MétaCan
Menu
Retour à la cohorte
Enregistrement W4404615075 · doi:10.21428/cb6ab371.e7dfe773

Drug Treatment Courts According to Criminal Defence Lawyers

2024· preprint· en· W4404615075 sur OpenAlexaffabout
Marianne Quirouette, Nicolas Spallanzani-Sarrasin, Katharina Maier

Notice bibliographique

RevueCrimRxiv · 2024
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueTorture, Ethics, and Law
Établissements canadiensUniversity of WinnipegUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésCriminologyLawPolitical scienceDrugPsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Defence lawyers working in lower criminal courts are increasingly invited to consider a variety of holistic or alternative strategies like drug treatment courts (DTC). This raises new ethical and practical questions. Scholars have been critical, showing how specialized courts circumvent the principle of presumption of innocence, impose onerous conditions and surveillance, and lack the resources required to support participants’ long term. What is not known, however, is how defence lawyers representing marginalized clients talk about and engage with DTC programs. Our paper examines this, drawing from interviews with defence working in Toronto and Montreal (n=98). We describe and discuss when and why participants report being more supportive or critical of drug treatment courts, and how they borrow from therapeutic justice in their ‘regular’ practice. Our discussion engages with questions about access to health and social support resources, about interdisciplinary interventions and the ways in which people are criminalized rather than helped.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,811
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,113
Tête enseignante GPT0,398
Écart entre enseignants0,285 · 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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCrimRxivMême sujetTorture, Ethics, and LawTravaux en français237 207