MétaCan
Menu
← Retour à la cohorte
Enregistrement W4245055065 · doi:10.32920/ryerson.14664723

Restorative justice approach to alternatives to detention: an analysis of Canadian immigration detention

2021· preprint· en· W4245055065 sur OpenAlexaffabout
Maia Fujimoto

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensToronto Metropolitan UniversityUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRestorative justiceImmigration detentionImmigrationCriminologyEconomic JusticeCriminal justicePolitical scienceArgument (complex analysis)LawSociology

Résumé

récupéré en direct d'OpenAlex

This paper presents a literature review on restorative justice, immigration detention and alternatives to detention. I propose that a restorative justice approach and practices could be taken into consideration when developing ATD programs in Canada as well as for addressing current issues that surround immigration detention. Restorative justice is a process to involve, to the extent possible, those who have a stake in a specific offence and to identify and address harms, needs and obligations collectively, with the objective to ‘heal’ and put things as right as possible (Zehr, 2015). There is a research gap in the field of restorative justice and immigration in general. Restorative justice traditionally aligns itself with the criminal justice system but has potential to be applied to many areas and its application to immigration issues is a relatively new area. As these concepts can provide for a new approach towards reconciling issues involving victims and offenders outside of criminal justice, an argument can be made that there is potential for the implementation of restorative justice to have value within immigration detention. Key Words: Restorative Justice, Alternatives to Detention, Immigration detention, Canada

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)0,009
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 enseignants0,163
Score d'incertitude au seuil0,971

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,017
Études des sciences et des technologies0,0130,004
Communication savante0,0050,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,069
Tête enseignante GPT0,362
Écart entre enseignants0,293 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetCriminal Justice and Corrections Analysis→Travaux en français237 207→