MétaCan
Menu
Retour à la cohorte
Enregistrement W3045074210 · doi:10.1177/2632666320936432

The proliferating pains of imprisonment

2020· article· en· W3045074210 sur OpenAlexaff
Kevin D. Haggerty, Sandra M. Bucerius

Notice bibliographique

RevueIncarceration · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésImprisonmentAppealPoliticsFraming (construction)SociologyCriminologyPsychologyPolitical scienceLawHistory

Résumé

récupéré en direct d'OpenAlex

The “pains of imprisonment” is one of the most prominent concepts in the social study of incarceration. First introduced by Gresham Sykes in 1958, it has subsequently been taken up by generations of authors and applied to an increasingly diverse range of contexts, populations, and activities. This article details how the “pains of imprisonment” concept has evolved and expanded. It is based on an analysis of 50 academic works (books, articles, and chapters) that used some variation of the “pains of…” formulation. We identified four main trajectories in the literature that have contributed to this expansion, which we document in the first section through the use of illustrative examples. This is followed by a more critical series of reflections that seek to appreciate some of the organizational and political factors that might account for the appeal of this concept. Finally, we conclude by questioning whether the “pains” framing might paradoxically be a victim of its own success, with its analytical and political purchase potentially blunted through overuse and overextension.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,735
Score d'incertitude au seuil0,441

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,034
Tête enseignante GPT0,312
Écart entre enseignants0,279 · 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

Citations95
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIncarcerationMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207