Criminal justice and inequality: what can be done to reduce inequality?
Notice bibliographique
Résumé
There are significant differences in outcomes among different ethnic groups who have come into contact with the CJS. Men from minority ethnic backgrounds tend to come into contact with the CJS at a younger age, form a larger proportion of those serving custodial sentences and, in the case of Black men, spend more of their original sentence in prison compared with men from other ethnic groups. The Lammy Review (2017) recommended that criminal justice organisations should be able to explain variations in outcomes and experiences across different ethnicities, or to reform CJS practices to achieve more equitable outcomes. At present, it is not possible to fully explain the variations in experiences in minority groups, particularly when they are released from prison. \n \nThis report provides an overview of the key issues pertaining to the experience of people from minority communities that need to be considered when supporting them as part of the process of leaving prison and reintegrating back into communities. Recommendations are included at each stage based on evidence emerging from the literature, and these are summarised again at the end of the report. Due to the previously noted lack of evidence within the UK context, we also draw on evidence from overseas, particularly the US. We acknowledge that there are different challenges and barriers in these contexts, but where areas of good practice are identified elsewhere, these should be considered to explore what lessons can be learned and applied to assist us in better supporting the desistance journeys of people within the UK.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,011 | 0,013 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».