COVID‑19, Bail, and the Jail: Trends and Responses to Harmful Conditions of Imprisonment
Notice bibliographique
Résumé
Ce texte fait état d’une étude empirique et analyse l’impact de l’émergence de la COVID‑19 sur les décisions judiciaires de mise en liberté provisoire. Aux prises avec les risques liés à la propagation de la COVID‑19 dans les établissements carcéraux, les tribunaux ont généré une abondante jurisprudence sur la manière de traiter le virus dans le cadre de la législation existante sur la mise en liberté provisoire. En s’appuyant sur des données de cent cinquante et une décisions de mise en liberté sous caution rendues au cours des douze premières semaines de la pandémie au printemps 2020, cet article soutient que les premières réponses des tribunaux à la COVID‑19 reflètent les tendances punitives prépandémie. Entre autres résultats statistiques, cette étude souligne que plus de la moitié de ces décisions (66,23 %) ont abouti à une détention. Elle applique ensuite la typologie de Manikis sur la culpabilité et les préjudices de l’État au stade de la mise en liberté provisoire. Ce cadre offre aux décideurs des justifications juridiques et des outils pendant la mise en liberté sous caution pour reconnaître et considérer ces préjudices comme pertinents pour décider si une personne doit être détenue conformément au troisième pilier qui sert à maintenir la confiance dans l’administration de la justice. En outre, il propose des solutions de remplacement à l’emprisonnement sur la base des responsabilités de l’État et de la reconnaissance des préjudices qu’il crée.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».