MétaCan
Menu
Retour à la cohorte
Enregistrement W4360845414 · doi:10.51558/2712-1178.2022.8.2.41

PRIMJENA DIVERZIONIH MJERA PREMAMALOLJETNIM UČINITELJIMA OD STRANEPOLICIJSKIH SLUŽBENIKA U BOSANSKO-HERCEGOVAČKOM I UPOREDNOM PRAVU

2023· article· en· W4360845414 sur OpenAlexaboutno aff

Notice bibliographique

RevueZbornik radova Pravnog fakulteta u Tuzli · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEuropean Criminal Justice and Data Protection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegislationLawJuvenilePolitical scienceThe RepublicCriminologyJuvenile delinquencyCriminal lawSociologyTheologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

In this article, the authors discuss the legal nature, types and most significant be- nefits of the application of alternative (diversion) measures for juvenile offenders. Particular attention is given to diversion measures imposed by police officers. In this respect, such measures have been analyzed in relevant legislation and practice in England and Wales, the Republic of Ireland, Canada and Bosnia and Herzegovina. It was found out that police diversion measures against minors are applied much more often in the mentioned countries of the Anglo-American legal tradition than in Bo- snia and Herzegovina. The reasons for this should be found in the fact that the laws of these countries know more types of these measures, and that the legal possibilities of their application are much wider compared to the juvenile criminal legislation in Bosnia and Herzegovina.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,590
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,002
Science ouverte0,0020,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,006

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 Opus0,075
Tête enseignante GPT0,378
Écart entre enseignants0,302 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZbornik radova Pravnog fakulteta u TuzliMême sujetEuropean Criminal Justice and Data ProtectionTravaux en français237 207