Gestion punitive de l’itinérance durant la pandémie
Notice bibliographique
Résumé
Les personnes en situation d’itinérance (PSI) qui tentent de (sur)vivre dans les espaces publics vivent une judiciarisation accrue ainsi qu’un contrôle punitif qui se manifestent aussi dans les espaces de soins. Les intervenant·e·s de première ligne, dans les refuges ou dans la rue, ont des contacts fréquents avec la police. Les pratiques de profilage social et de contrôle punitif exercées sont largement documentées, mais des lacunes subsistent quant aux impacts de la pandémie de COVID-19 pour les intervenant·e·s et leurs usager·ère·s. Notre article rend compte d’une étude de cas menée à Montréal, fondée sur 43 entrevues semi-structurées portant sur les constats d’infraction liés aux mesures sanitaires, les campements et les agent·e·s de sécurité dans les refuges. En nous inspirant de la criminologie des crises ainsi que des études sur la gestion de l’itinérance, nous analysons les défis et les stratégies que les travailleur·euse·s de première ligne utilisent pour résister aux approches punitives. Notre étude aide à clarifier les conséquences de la gouvernance des espaces publics et de services durant la pandémie pour les intervenant·e·s et leurs usager·ère·s. Elle participe à une meilleure compréhension de la violence juridique, du contrôle punitif et de l’exclusion des populations marginalisées, tout en portant une attention particulière à la résilience du milieu communautaire et des intervenant·e·s de première ligne.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».