MétaCan
Menu
Retour à la cohorte
Enregistrement W3045936079 · doi:10.7202/1070502ar

Carrière criminelle lucrative et désistement assisté

2020· article· fr· W3045936079 sur OpenAlexaffvenue
Frédéric Ouellet, Marie-Ève Dubois

Notice bibliographique

RevueCriminologie · 2020
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

La recherche sur le désistement assisté s’intéresse à la manière dont les interventions formelles ou informelles soutiennent le processus de cessation des activités criminelles. L’intérêt pour ce sujet étant plutôt récent, l’état des connaissances est somme toute embryonnaire. En outre, les travaux empiriques n’ont pas tenu compte des caractéristiques de l’implication criminelle sur la réceptivité au désistement assisté. Bien que la majorité des crimes commis dans nos sociétés soient motivés par l’appât du gain, les connaissances actuelles sur le désistement de la délinquance lucrative sont peu développées. Sur la base de récits narratifs de 27 personnes ayant commis des crimes lucratifs, l’objectif de cette étude est d’examiner les perceptions sur l’assistance reçue (désistement assisté). Tout d’abord, la reconnaissance de l’assistance dans le processus de désistement est inspectée, pour ensuite observer comment et quand cette assistance se manifestait dans les parcours de vie des répondants. Les résultats montrent l’intérêt du désistement assisté dans la compréhension du processus qui mène à la fin de la carrière criminelle, le désistement assisté ayant facilité l’abandon des comportements criminels dans la majorité des trajectoires individuelles. Les analyses montrent également que l’assistance peut prendre différentes formes, qu’elle agit de deux façons distinctes et qu’elle peut se manifester à différents moments dans le processus de désistement.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,005
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,752
Tête enseignante GPT0,503
Écart entre enseignants0,249 · 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'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

Citations1
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCriminologieMême sujetCrime Patterns and InterventionsTravaux en français237 207