MétaCan
Menu
Retour à la cohorte
Enregistrement W3123323538

Amnesties and Co-operation

2001· article· en· W3123323538 sur OpenAlexafffund
Nicolas Marceau, Steeve Mongrain

Notice bibliographique

RevueSummit (Simon Fraser University) · 2001
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime, Illicit Activities, and Governance
Établissements canadiensSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésAmnestyCommitEnforcementBusinessPolitical scienceLawLaw and economicsEconomicsHuman rightsComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

One of the costs of anticipated amnesties is current and future non-compliance with the law.Relatively to a no-amnesty situation, efficient enforcement policies may therefore differ when an amnesty is offered.To study this question, a model is built in which individuals impose a cost on society when they commit a crime.When a criminal participates in an amnesty, or (to a lesser extent) when he is caught, some fraction of the social cost is recovered, reflecting co-operation with the authorities.The analysis characterizes efficient anticipated amnesties.It is shown that the efficient level of enforcement may be smaller in the case of an anticipated amnesty than in a no-amnesty situation.The reason is that despite the increase in the initial number of criminals generated by the amnesty, many criminals eventually participate in it.If participants in the amnesty are very co-operative, then a large proportion of the social cost is recovered making the initial increase in the number of criminals less costly.The optimal level of the reduced sanction imposed on those who participate in the amnesty is also characterized.

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)0,000
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 enseignants0,924
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,021
Tête enseignante GPT0,249
Écart entre enseignants0,228 · 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

Citations2
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSummit (Simon Fraser University)Même sujetCrime, Illicit Activities, and GovernanceTravaux en français237 207