Understanding carceral mobilities in and through lived experiences of incarceration
Notice bibliographique
Résumé
Recent scholarship on carceral mobilities critiques conceptualizations of carceral spaces as fixed and stable, and movements within or around sites of confinement as linear and horizontal. According to this critique, criminological studies of imprisonment have typically embraced what Turner and Peters (2017) [‘Rethinking mobility in criminology’, Punishment & Society 19(1), 96–114] term a ‘sedentarist ontology’ by failing to consider the complexities of prisoner mobilities in the lived experiences of the carceral. We draw on qualitative interview data from the Prison Transparency Project, a multiyear study initially across four research sites in Canada focused on former prisoners’ narratives of their carceral experiences, to identify and analyze the multifaceted mobilities that characterize prison life. We focus on three aspects of carceral mobilities: the use of psychotropic medications to produce docility, the coercive (im)mobilities of physical restraints and the ‘prison on wheels’ (i.e., prisoner transport vehicles). Using the concept of ‘kinetic immobility’, in which prisoners’ bodies are immobilized so they can be coercively moved (or not) through space and time, we consider the degree to which the theoretical work on carceral mobilities aligns with lived experiences of incarceration, as narrated by research participants.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,012 | 0,031 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».