Les éléments entourant le passage à l'acte sous forme de co-délinquance au Québec
Notice bibliographique
Résumé
Les premières études recensées ayant traité de la co-délinquance ont plus de cent ans. Comme il s’agit d’un sujet qui a de l’histoire, il y a eu une grande évolution dans la façon d’aborder la question et dans les méthodologies employées. Mais, ce n’est que depuis quelques années que la co-délinquance est étudiée par l’entremise de données d’arrestations policières et c’est ce type de données qui sera utilisé pour répondre à l’objectif principal, celui-ci étant la détermination des conditions expliquant le recours ou non à la co-délinquance pour commettre une infraction criminelle. De plus, pour répondre à notre objectif de recherche, nous avons opté pour une théorie structurante du crime, approche qui n’avait jamais été utilisé auparavant dans les études sur la co-délinquance. Comme méthodologie, nous avons utilisé un échantillon composé de 9 103 participations criminelles, de 8 243 événements distincts et de 3 356 individus et plusieurs prédicteurs ont été analysés afin de déterminer lesquels expliquent le mieux la co-délinquance. L’âge, le genre, les antécédents criminels, l’urbanité et le type de crimes sont toutes des variables qui ont été considérées. L’urbanité représente une nouveauté dans ce type de recherche, puisque nous avons recensé que très peu d’études ayant abordées la question. Alors, que pour le type de crime, nous l’avons détaillé, comme aucune étude sur la co-délinquance ne l’a fait auparavant (23 catégories d’infractions). Ce détail nous permet donc de bien cibler l’impact de chaque délit sur le recours à la co-délinquance. Le résultat émergeant des analyses de régression logistique est que le recours à la co-délinquance s’explique principalement par le type de crime commis, certains actes criminels sont plus propices à la co-délinquance que d’autres. Nous constatons également que les autres variables analysées ont très peu ou pas d’impact sur le recours à la co-délinquance, que ce soit l’âge, le genre, les antécédents criminels ou même l’urbanité.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».