MétaCan
Menu
Retour à la cohorte
Enregistrement W4389050434 · doi:10.1017/lsi.2023.60

Streets, Suites, and States: John Hagan’s Contributions to the Study of Law, Power, and Inequality

2023· article· en· W4389050434 sur OpenAlexafffund
Ron Levi, Traci Burch, Robert L. Nelson

Notice bibliographique

RevueLaw & Social Inquiry · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWildlife Conservation and Criminology Analyses
Établissements canadiensUniversity of TorontoGlobal Affairs Canada
Organismes subventionnairesUniversity of TorontoNorthwestern UniversityAmerican Bar Foundation
Mots-clésInjusticePrinciple of legalityPower (physics)SociologyNormativeInequalityEveryday lifePoliticsState (computer science)LawCriminologyEconomic JusticeSocial inequalityPolitical science

Résumé

récupéré en direct d'OpenAlex

We start this special issue with two perspectives. First, that the sociological study of crime and law often intersects with the study of inequality, power, the state, and life chances. Second, that the study of crime and law are deeply interconnected—institutionally, politically, and culturally. Legal institutions build on normative ideas, organizations, careers, and power to govern, to criminalize, and to punish (and, conversely, to ignore or absolve), and everyday understandings of crime are deeply tied to cultural understandings of legality, perceptions of justice and injustice, and hopes for everyday life. Law and crime are thus dynamically tied to social aspirations, fears, and divisions, and are political and social contests over what unites and what divides societies.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,317
Score d'incertitude au seuil0,782

Scores Codex et Gemma par catégorie

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

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 Opus0,081
Tête enseignante GPT0,364
Écart entre enseignants0,284 · 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 tête enseignante, 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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLaw & Social InquiryMême sujetWildlife Conservation and Criminology AnalysesTravaux en français237 207