Désistement assisté en contexte formel : une étude de la portée
Notice bibliographique
Résumé
Les indicateurs de récidive sont souvent utilisés pour évaluer l’efficacité des interventions réalisées par les acteurs formels du système de justice pénale. Ces études permettent de déterminer « ce qui fonctionne » pour prévenir la récidive. Par contre, elles donnent peu d’information sur les processus de désistement du crime, c’est-à-dire sur comment ces interventions contribuent à l’arrêt de la criminalité et à soutenir les désisteurs dans leurs efforts de changement. Cette étude de la portée montre que des agents de désistement formels peuvent jouer un rôle de soutien en offrant de l’aide pratique et des ressources qui tiennent compte des besoins des désisteurs et en favorisant les changements cognitifs et identitaires en donnant des rétroactions positives et des encouragements constants. Un modèle est proposé pour conceptualiser les impacts des interventions formelles sur les processus de désistement. Le contexte non volontaire, l’équilibre fragile entre les rôles légal et thérapeutique des agents formels, ainsi que la fragilité inhérente aux processus de désistement sont importants à considérer pour offrir des interventions visant à promouvoir le désistement. Des pistes pour les recherches futures ainsi que les implications pour le développement de politiques et la pratique sont discutées.
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 | 0,019 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».