MétaCan
Menu
Retour à la cohorte
Enregistrement W3102052250 · doi:10.1111/1745-9125.12263

Picking battles: Correctional officers, rules, and discretion in prison

2020· article· en· W3102052250 sur OpenAlexaffabout
Kevin D. Haggerty, Sandra M. Bucerius

Notice bibliographique

RevueCriminology · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDiscretionPrisonOfficerVisionPsychologyPolitical scienceLawCriminologySocial psychologySociology

Résumé

récupéré en direct d'OpenAlex

Abstract To outsiders, prisons vacillate between visions of regimented order and anarchic disorder. The place of rules in prison sits at the fulcrum between these two visions of regulation. Based on 131 qualitative interviews with correctional officers across four different prisons in western Canada, we examine how correctional officers understand and exercise discretion in prison. Our findings highlight how an officer's habitus shapes individual instances of discretionary decision‐making. We show how officers modify how they exercise discretion in light of their views on how incarcerated people, fellow officers, and supervisors will interpret their decisions. Although existing research often sees a correlation between “rule‐following” by incarcerated individuals and official statistics on such misdeeds, our data highlight that official statistics on rule violations do not easily represent the rate or frequency of such misbehavior. Instead, these numbers are highly discretionary organizational accomplishments. Our findings advance an appreciation for correctional officer discretion by focusing on the range of factors officers might contemplate in forward‐looking decisions about applying a rule and how they rationalize the nonenforcement of rules.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,266
Score d'incertitude au seuil0,528

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,014
Communication savante0,0050,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,084
Tête enseignante GPT0,319
Écart entre enseignants0,235 · 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

Citations83
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCriminologyMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207