MétaCan
Menu
Retour à la cohorte
Enregistrement W2970029099 · doi:10.5539/jpl.v12n5p6

The Purpose of "Correction" in the Russian Criminal and Criminal and Executive Law

2019· article· en· W2970029099 sur OpenAlexvenueno aff
Epikhin Alexander Yuryevich, Mishin Andrey Viktorovich, Aliyeva Gulnar Isaevna

Notice bibliographique

RevueJournal of Politics and Law · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal and Policy Issues
Établissements canadiensnon disponible
Organismes subventionnairesKazan Federal University
Mots-clésImprisonmentLawPunishment (psychology)Criminal lawPrisonConvictLife imprisonmentSentencePolitical scienceAction (physics)CriminologySociologyPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

The process of carrying out (serving) a criminal punishment in the form of imprisonment according to the Russian criminal and penal law provides for isolation of the convicted person, limitations of rights and certain freedoms, as well as using corrective measures to change the criminal orientation of that person towards positive law-abiding behavior. According to penal law, the corrective process is being implemented by carrying out the main measures of corrective action, which the law lists as: regulated conditions, socially useful labor, educational work, general and professional education, and social influence. Currently the penal system sees a general trend of reducing the total number of imprisoned persons. According to the statistics by the Federal Penitentiary Service of Russia, 880 thousand people were serving a prison sentence in 2010, 550 thousand people in 2016, as of 1 June 2018 that number was 520.5 thousand people, and as of 1 May 2019 it was 552,188 persons. In the recent years, the number of prisoners tends to stay on the same level. These numbers testify to the continued humanization of the criminal and penal policy of the Russian Federation, as well as to the results of applying corrective actions to those sentenced to imprisonment.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,232

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,002
Communication savante0,0060,003
Science ouverte0,0010,003
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0690,062

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,038
Tête enseignante GPT0,346
Écart entre enseignants0,307 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Politics and LawMême sujetLegal and Policy IssuesTravaux en français237 207