MétaCan
Menu
Retour à la cohorte
Enregistrement W3026617520 · doi:10.1177/0964663920924764

Punitive Welfare on the Margins of the State: Narratives of Punishment and (In)Justice in Masiphumelele

2020· article· en· W3026617520 sur OpenAlexafffund
Gail Super

Notice bibliographique

RevueSocial & Legal Studies · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of Toronto
Mots-clésPunitive damagesPunishment (psychology)ImprisonmentCriminologyWelfarismEconomic JusticeState (computer science)SociologyWelfarePolitical scienceSocial psychologyLawPsychology

Résumé

récupéré en direct d'OpenAlex

While there is an established literature on the relationship between political economy and state punishment, there is less work on how punishment is constituted from below in contexts of inequality. This article analyses the discourse around incidents of lethal collective violence that occurred in 2015 in a former black township in South Africa. I use this as a lens for examining how punitive forms of popular justice interact with state punishment. Whether via the slow violence of structural inequality or the viscerally corporeal high rates of interpersonal violence, my interviewees were intimately acquainted with violence. Although they supported long-term imprisonment, none of them came across as stereotypical right-wing populists. Instead, they adopted complex positions, calling for a type of punitive welfarism, which combined harsh solutions to crime with explicit recognition of the importance of dealing with ‘root causes’. I argue that when the state is perceived to be failing to both impose punishment and provide welfare, violence becomes a technology of exchange, which simultaneously seeks both more punishment and more welfare. The result is an assemblage of exclusionary penal forms.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,060
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
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 Opus0,055
Tête enseignante GPT0,340
Écart entre enseignants0,285 · 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.

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

Citations9
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSocial & Legal StudiesMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207