MétaCan
Menu
Retour à la cohorte
Enregistrement W3212429225 · doi:10.1111/anti.12771

Civic‐Led Banishment in South Africa: Punishment, Authority, and Spatialised Precarity

2021· article· en· W3212429225 sur OpenAlexafffund
S.J. Cooper‐Knock, Gail Super

Notice bibliographique

RevueAntipode · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensInternational Centre for Comparative CriminologyUniversity of Toronto
Organismes subventionnairesUniversity of TorontoEconomic and Social Research CouncilUniversity of EdinburghSocial Sciences and Humanities Research Council of CanadaGovernment of Canada
Mots-clésPrecarityPunitive damagesPunishment (psychology)Public spaceLootingSociologyCriminologyState (computer science)LawPolitical scienceSocial psychologyPsychology

Résumé

récupéré en direct d'OpenAlex

Abstract Civic‐led banishment, a fundamentally spatial punishment, is an understudied phenomenon in South Africa and beyond. We define it as “a punitive spatial practice, enacted by non‐state actors in response to alleged criminality or deviance, which attempts varying degrees of socio‐spatial expulsion over time”. This definition lays the framework for a socio‐spatial analysis of punishment, and yields insights into the exercise of socio‐spatial control in public and private space. We emphasise the specific challenges associated with banishment, together with the relationship between space, punishment, public authority, and sovereignty. We demonstrate how “negotiations” around banishment trade off two forms of intersecting precarity: those faced by residents in informal settlements and the potential precarity of public authorities. Finally, we argue that an exploration of all forms of punishment through the lens of socio‐spatial expulsion enables us to tap into conversations around penal abolitionism.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,016
Communication savante0,0030,002
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,032
Tête enseignante GPT0,307
Écart entre enseignants0,275 · 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

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAntipodeMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207