MétaCan
Menu
Retour à la cohorte
Enregistrement W3000644003 · doi:10.1177/1362480619896371

‘Mobilizing’ prisoner reentry research: Halfway houses and the spatial-temporal dynamics of prison release

2020· article· en· W3000644003 sur OpenAlexaffabout
Katharina Maier

Notice bibliographique

RevueTheoretical Criminology · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésReentryPrisonContext (archaeology)CriminologyDynamics (music)SociologyProcess (computing)PsychologyGeographyComputer scienceArchaeology

Résumé

récupéré en direct d'OpenAlex

To date, prisoner reentry has been treated as a generic process—that is, people ‘reenter,’ without much specification regarding when and/or where this ‘reentry’ occurs. Drawing on in-depth interviews with halfway house residents in a north-western Canadian city, this article seeks to unpack the concept of prisoner reentry by exploring its spatial-temporal dimensions. I conceptualize prisoner reentry as a temporally fragmented sometimes piecemeal process that occurs across time as well as different locales, including neighbourhoods, cities, and sometimes even provinces. I do this by analyzing reentry through the lens of mobilities. Specifically, I argue that reentry via halfway houses produces mobilities that are experienced by former prisoners as simultaneously disciplining and productive of their future. In this context, I highlight the importance of paying attention to ex-prisoners’ conceptions of their future, including when and where they imagine that they will enact different aspects of their reintegration.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,700
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,009
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,110
Tête enseignante GPT0,362
Écart entre enseignants0,252 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations17
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTheoretical CriminologyMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207