MétaCan
Menu
Retour à la cohorte
Enregistrement W3112086701 · doi:10.1093/bjc/azaa081

‘Keep Them on the Straight and Narrow’: Understanding, Selecting and Governing Subjects Through Intensive Supervision Units

2020· article· en· W3112086701 sur OpenAlexafffundabout
Garrett Lecoq, Dale Ballucci, Dale Spencer

Notice bibliographique

RevueThe British Journal of Criminology · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensWestern UniversityCarleton University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésConfessionalPunishment (psychology)HarmPsychological interventionDisciplineCriminologySociologyCriminal justiceEconomic JusticePsychologyVulnerability (computing)Social psychologyLawPolitical scienceSocial scienceComputer securityComputer sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Abstract Drawing from focus groups and semi-structured interviews, this paper examines decision-making practices and monitoring techniques of Canadian Intensive Supervision Units (ISUs) managing high-risk individuals in the community. We argue that ISU subjects are hyper-individualized through their unique conditions of release, contesting notions that actuarial risk assessments have eclipsed individual understandings of dangerousness in risk, correctional and policing literature. Using Foucault’s disciplinary, pastoral and confessional dispositifs, we highlight how ISU agents make subjects active participants in their own punishment. Moreover, we illustrate how dispositifs not only allow ISU agents to understand, select and govern subjects but also, more problematically, transform subjects into ostensibly dangerous entities reifying and necessitating escalating criminal justice interventions under auspices of protecting the community from potential—not guaranteed—harm.

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)0,016
score de la tête « metaresearch » (Gemma)0,027
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 enseignants0,269
Score d'incertitude au seuil0,535

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0180,027
Communication savante0,0050,003
Science ouverte0,0030,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,209
Tête enseignante GPT0,308
Écart entre enseignants0,098 · 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

Citations7
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe British Journal of CriminologyMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207