MétaCan
Menu
Retour à la cohorte
Enregistrement W3123117944 · doi:10.1504/ijmbs.2018.096775

Immigration detention and the problem of time: lessons from solitary confinement

2018· article· en· W3123117944 sur OpenAlexaffabout
Efrat Arbel, Ian Davis

Notice bibliographique

RevueInternational Journal of Migration and Border Studies · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésImmigration detentionStatutory lawGovernment (linguistics)Solitary confinementPolitical scienceImmigrationLawCore (optical fiber)Law and economicsSociologyComputer sciencePrison

Résumé

récupéré en direct d'OpenAlex

In 2016, the Canadian Government launched an initiative to reform immigration detention, with the goal of creating a just and humane detention regime. In this paper, we argue that to achieve its stated goals, this initiative must address a core problem in the law of detention: the problem of time. This problem flows, in part, from there being no clear time limits on detention, and in part, from there being no clear standards for achieving release from detention. For insights into this problem, we turn to recent developments in the law of solitary confinement, which is similarly beset by the problem of time. Learning from solitary confinement, we argue that clear statutory time limits and meaningful independent oversight are necessary to ensure the just and humane regulation of detention. In their absence, the government's reforms may amount to window-dressing: detention will continue to be vulnerable to misapplication and misuse, and to destroy and dehumanise those in its care.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,514
Score d'incertitude au seuil0,980

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,373
Écart entre enseignants0,351 · 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'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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Migration and Border StudiesMême sujetMigration, Refugees, and IntegrationTravaux en français237 207