MétaCan
Menu
Retour à la cohorte
Enregistrement W4391511878 · doi:10.62365/2576-0955.1073

“He’s in jail now and I don’t feel bad”: Analyzing Sureties’ Decisions to Report Bail Violations

2024· article· en· W4391511878 sur OpenAlexaffabout
Rachel Schumann, Carolyn Yule

Notice bibliographique

RevueInternational Journal on Responsibility · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolicing Practices and Perceptions
Établissements canadiensUniversity of GuelphUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésConvictionSuretyContext (archaeology)PrisonControl (management)State (computer science)Power (physics)Economic JusticeLawPolitical scienceCriminal ConvictionCrime controlCriminal justiceBusinessCriminologyPsychologyEconomics

Résumé

récupéré en direct d'OpenAlex

The control, supervision, and rehabilitation of criminalized people often falls on the shoulders of non-state agents and organizations. Surety bail releases are a clear embodiment of this trend, as the courts call upon relatives, friends, and employers to supervise the pre-conviction activity of people accused of a crime. According to the law, sureties must report all bail violations to the police; the resulting diffusion of responsibility is said to increase the penal state’s power and control over criminal justice-involved individuals while minimizing reputational risks. Yet how sureties carry out this role in the community remains unexplored. Using data from 36 interviews with sureties in Ontario, Canada, we find that how friends and family assume the role of surety varies considerably and regularly diverges from court expectations. Despite the general commitment sureties show towards supervising the accused, decisions to report an accused vary based on the perceived severity of the act, the fairness of the conditions, the accused’s best interests, and their own bias towards the law. In this way, responsibility for carceral control is not just assumed by sureties but also resisted, ignored, and subsequently transformed in the context of their everyday lives. Understanding how the decision-making process of sureties works in practice is important for informing recommendations geared towards offsetting the pains of pre-conviction for the accused and their loved ones.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,375
Score d'incertitude au seuil0,937

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,055
Tête enseignante GPT0,437
Écart entre enseignants0,382 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal on ResponsibilityMême sujetPolicing Practices and PerceptionsTravaux en français237 207