MétaCan
Menu
Retour à la cohorte
Enregistrement W2993448293 · doi:10.1177/2153368719889093

Youthful Discretion: Police Selection Bias in Access to Pre-Charge Diversion Programs in Canada

2019· article· en· W2993448293 sur OpenAlexaffabout
Kanika Samuels-Wortley

Notice bibliographique

RevueRace and Justice · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDiscretionStatuteMinor (academic)CriminologyAccountabilityCriminal justicePolitical scienceResidencePsychologyLawDemographic economicsEconomics

Résumé

récupéré en direct d'OpenAlex

The increase use of formal youth diversion programs in Canada coincided with the enactment of the Youth Criminal Justice Act in 2003. Following the tenets of the labeling theory, the statute sought a balance that would help limit formal court intervention to increase fairness and accountability for youth committing minor offenses. Despite the perceived benefits, diversion programs have not escaped criticism. Some researchers contend pre-charge diversion programs that are based on police discretion may suffer from selection bias. Using police data from a local police service ( N = 6,479 cases) in Ontario, Canada, this article conducts a bivariate analysis to explore the personal characteristics of first-time offending youth (gender, race, and area of residence) and attempts to determine whether there are any differences in the youth being charged or diverted for minor drug possession and minor thefts. Results demonstrate variances in charging practices based on race. Race has a small but statistically significant impact on arrest decisions. In general, Black youth are more likely to be charged and less likely to be cautioned than White youth and youth from other racial backgrounds. The implications of these findings are discussed.

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)0,005
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,160

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0070,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,045
Tête enseignante GPT0,319
Écart entre enseignants0,274 · 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'étudeObservationnel
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

Citations35
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRace and JusticeMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207