Le stéréotype de la « bonne grand-mère » comme facteur de clémence des tribunaux : analyse des biais de genre à l’épreuve de la détermination de la peine chez les femmes aînées
Notice bibliographique
Résumé
À partir d’un cadre théorique féministe, cette recherche exploratoire se penche sur la manière dont les critères appliqués par les tribunaux au moment de la détermination de la peine, pour les femmes aînées accusées, révèlent des stéréotypes genrés. L’analyse de cinquante-neuf décisions de première instance concernant des femmes âgées de plus de cinquante ans condamnées au Québec dans les dix dernières années a révélé l’application de modèles stéréotypés genrés dans plus de la moitié d’entre elles, ce qui crée une dichotomie dans le traitement de ces femmes par les tribunaux. Ainsi, à partir du stéréotype d’une nature non violente, maternelle et sacrificielle de la femme, la « bonne grand-mère » serait traitée avec plus de clémence que la « femme déviante » qui, par la commission d’une infraction, viendrait troubler les schémas genrés dans le cadre d’une société patriarcale, et donc dévier du rôle qui est attendu d’elle, en plus d’enfreindre la loi.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».