MétaCan
Menu
Retour à la cohorte
Enregistrement W4295991109 · doi:10.1177/00027162221099291

Barred: Labor Market Dynamics and Human Capital Development among People on Probation and Parole

2022· article· en· W4295991109 sur OpenAlexaboutno aff
Bryan L. Sykes, Meghan Ballard, Daniela Kaiser, Vicente Celestino Mata, J. Amanda Sharry, Justin L. Sola

Notice bibliographique

RevueThe Annals of the American Academy of Political and Social Science · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensnon disponible
Organismes subventionnairesFederal Student Aid
Mots-clésHuman capitalLabour economicsStigma (botany)WageQuarter (Canadian coin)State (computer science)Work (physics)Criminal recordEconomicsBusinessCriminologySociologyMarket economyPsychology

Résumé

récupéré en direct d'OpenAlex

Obtaining employment is a major barrier to social reintegration for people on probation or parole. Research on the reentry process identifies several mechanisms that accentuate difficulties in locating work, including human capital development, structural changes in the labor market, and onerous probation and parole conditions. In this article, we review theories that explain low labor market participation rates among people reentering society, and we draw on multiple sources of data to identify the types of jobs that are available to people with low human capital. We find that nearly a quarter of people in America’s state and federal prisons had permanently removed themselves from the formal labor market before their most recent arrest; however, exclusionary hiring practices in the formal labor market often push those carrying the stigma of a criminal record into underground or informal labor markets, where wage rates are markedly higher than the federal minimum wage. Our findings demonstrate that severe and chronic employment struggles often predate and follow incarceration. We provide a detailed discussion of policy reform proposals that could help to remedy this harmful dynamic.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 GPT0,355
Écart entre enseignants0,323 · 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'étudeObservationnel
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Annals of the American Academy of Political and Social ScienceMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207