MétaCan
Menu
Retour à la cohorte
Enregistrement W2987051512 · doi:10.3390/socsci8110310

Subterranean Detention and Sanctuary from below: Canada’s Carceral Geographies

2019· article· en· W2987051512 sur OpenAlexaffabout
Jen Bagelman, Sasha Kovalchuk

Notice bibliographique

RevueSocial Sciences · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésImmigration detentionContext (archaeology)PoliticsScholarshipSociologyImmigrationCriminologyPolitical scienceGender studiesLawGeographyArchaeology

Résumé

récupéré en direct d'OpenAlex

This paper begins with an account of Lucía Vega Jimenez, a Mexican woman who lived and worked in Metro Vancouver, Coast Salish Territories (Canada) and who died while held in detention in British Columbia’s Immigration Holding Centre. This article argues that Lucía’s story exposes a number of critical aspects regarding the geographies and politics of migration in Canada today. First, Lucia’s story points to the ways in which Canada’s determination process invisibilises certain forms of violence and, as such, serves as a highly restrictive and exclusionary mechanism. Second, it shows how this exclusionary mechanism extends like ‘capillaries’ throughout urban space. In this context city services (like transit) increasingly become less spaces of refuge, and more privatized border checkpoints. Third, following Lucia’s story reveals how city checkpoints funnel people with precarious status into remote detention, akin to Foucault’s ‘carceral archipelago.’ While expanding on carceral literature, this paper departs from existing scholarship that tends to think about remoteness horizontally. The paper argues that it is below the surface where carceral regimes become particularly hostile and—as such—the paper calls for deepened engagement with questions of verticality. Finally, the article illustrates how subterranean carceral dimensions are being politicized, agonistically, through sanctuary practices.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,580

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0430,013
Communication savante0,0070,002
Science ouverte0,0020,005
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

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 Opus0,017
Tête enseignante GPT0,270
Écart entre enseignants0,253 · 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'étudeQualitatif
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

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSocial SciencesMême sujetMigration, Refugees, and IntegrationTravaux en français237 207