Avoiding the deaf penalty: a review of the experiences of d/Deaf individuals in the criminal justice system
Notice bibliographique
Résumé
Despite real life examples of injustices in the criminal justice system involving d/Deaf individuals and calls from advocacy groups for more awareness and training related to this issue, there has been very little research into the area. The research that does exist is piecemeal and generally focuses on a specific area of the system, ignoring the more global view of the criminal justice system. Further, such research is largely American. Given the fragmented, siloed nature of the extant literature and the lack of available Canadian data, this review paper sought to provide an overview of the existing literature on the experiences of d/Deaf individuals at all levels of the criminal justice system. Findings indicate that d/Deaf individuals are underserved and understudied putting them at a distinct disadvantage relative to their hearing peers. Suggestions for improvements are provided for all levels of the criminal justice system. Points of interestThis article examines the literature regarding the experience of individuals who consider themselves medically deaf or culturally Deaf at all levels of the criminal justice system.In the literature, there were several common issues identified including a lack of training, resources, and qualified interpreters as well as inadequate policies at all levels of the criminal justice system.One of the biggest issues identified was a lack of d/Deaf awareness among professionals working in the criminal justice system. Enhanced d/Deaf awareness could improve the experiences of d/Deaf individuals who come into contact with the criminal justice system.This literature review indicated that more research into the experiences of d/Deaf offenders needs to be done and highlights the importance of including d/Deaf individuals in this process.
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 | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».