MétaCan
Menu
Retour à la cohorte
Enregistrement W4396617619 · doi:10.1177/14624745241237173

Playing “mental judo”: Mapping staff compassion in Canadian federal prisons

2024· article· en· W4396617619 sur OpenAlexafffundabout
Katarina Bogosavljević, Jennifer M. Kilty

Notice bibliographique

RevuePunishment & Society · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEmotional Labor in Professions
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCompassionPrisonPsychologySocial psychologyDisgustFeelingMental healthPublic relationsCriminologyPolitical sciencePsychotherapistLaw

Résumé

récupéré en direct d'OpenAlex

Prisons are inherently emotional environments where both staff and prisoners engage in a continuous process of emotion management while working and living in carceral spaces. This paper explores how Correctional Service of Canada (CSC) values and norms shape how predominantly nonuniformed staff manage compassion inside the prison environment. This includes when and to whom they are allowed to express compassion, when they need to hide or suppress the expression of compassion, and how expressing compassion toward prisoners can elicit feelings of disgust among some staff. We argue that, in the emotional arena that is prison, compassion is (re)configured into an individualized and compulsory emotion by way of CSC's organizational emotion culture that emphasizes punishment and control (the security-care nexus) rather than a transformative act that helps to resist the harms of incarceration and encourages healing. Compassion thus becomes a disciplinary apparatus whereby staff self-discipline as they alter their own emotional orientation toward their work, prisoners, and other staff and as a practice to collectively surveil, evaluate, and regulate one another. We contend that compassion bound to questions and practices of security stifles rehabilitation in this environment and that health and other care work must be reintegrated into community settings.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,489
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
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 Opus0,034
Tête enseignante GPT0,336
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; un appel candidat d’une seule tête enseignante, pas un consensus.

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

Citations3
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePunishment & SocietyMême sujetEmotional Labor in ProfessionsTravaux en français237 207