MétaCan
Menu
Retour à la cohorte
Enregistrement W3109454505 · doi:10.1177/1057567720975453

Rearrests of Noncitizens Subsequent to Immigration Removal From the United States

2020· article· en· W3109454505 sur OpenAlexaff
Jennifer S. Wong, Laura J. Hickman

Notice bibliographique

RevueInternational Criminal Justice Review · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésDeportationImmigrationCriminologyCriminal justiceImmigration lawPolitical scienceCriminal recordLawSample (material)Immigration detentionAssertionDemographic economicsSociologyEconomics

Résumé

récupéré en direct d'OpenAlex

Deportation or removal from the United States for criminal justice–involved noncitizens has been described as analogous to incapacitation. A common assertion is that if immigration authorities remove these noncitizens from the United States, future criminal justice involvement will be averted. The present study explores the hypothesized incapacitation effect of immigration removal and tests whether a record of prior removal predicts postremoval rearrest patterns. The sample consists of 521 foreign-born males with a verified immigration removal from the United States, following transfer into federal immigration custody from Los Angeles County Jail in 2002. California rearrests after the date of verified U.S. removal were tracked through 2011. Results indicate that 48% of the sample was rearrested at least once and 22% had three or more postremoval arrests. These findings do not support the hypothesis that deportation equates to permanent incapacitation. The study also found that a record of prior removal did not predict postremoval rearrest likelihood or frequency. As a single longitudinal study and the first of its kind, these results alone cannot inform responsible policy recommendations. The study does, however, highlight directions for further research and the pressing need for access to individual-level immigration data for empirical study and public distribution of results.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,570
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

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

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 Opus0,068
Tête enseignante GPT0,370
Écart entre enseignants0,302 · 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'étudeSans objet
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Criminal Justice ReviewMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207