Immigration Detention and Release Decisions in Canada: Development and Preliminary Validation of a Risk Assessment Tool for Frontline Officers
Notice bibliographique
Résumé
Immigration detention systems face mounting pressure to demonstrate transparent and defensible decision-making practices amid growing ethical concerns. The Canada Border Services Agency (CBSA) has drawn particular scrutiny in this area, largely due to its partnerships with correctional agencies. Critics challenge CBSA's framework for placing noncitizens in these facilities, characterizing its risk assessment processes as opaque and arbitrary. To address these limitations, we developed the Immigration Risk Assessment for Detention (IRAD), an empirically informed tool designed to meet CBSA's multiple decision-making needs—from release on community-based alternatives to detention (ATDs) to security classification level within detention facilities. This dissertation presents research conducted across three co-authored articles, each representing a distinct phase in the IRAD’s development and preliminary validation. First, we surveyed 92 CBSA employees to gather their insights on immigration detention risk assessment. Second, we developed a 30-item numerical IRAD prototype by integrating our survey results with CBSA’s operational guidance and correctional risk assessment research. We then conducted a longitudinal retrospective validation of the IRAD prototype using 301 case files, which provided preliminary support for its use. The IRAD's Danger to Public and Unlikely to Appear domains showed good to excellent interrater reliability, and the latter domain predicted ATD violations with moderate accuracy. Concordance analyses revealed misalignments between client risk and CBSA's purportedly risk-based decisions. The IRAD and CBSA's current security classification tool also showed similar concordance with security classification decisions. Finally, we adapted the IRAD prototype for operational use, creating a 21-item structured professional judgement tool. We then explored the potential operational utility of this tool in a mixed prospective-retrospective pilot with CBSA employees. Though low officer engagement prevented robust evaluation, we found further evidence of misalignment between risk and decisions. A noise audit with client vignettes also revealed inconsistencies among officers during the risk identification, risk analysis, and decision-making processes for ATD determinations. As the IRAD consolidates CBSA's operational resources, our research suggests that decisions are influenced by other factors, which may be extraneous given the inconsistencies identified in our noise audit. The IRAD's streamlined, empirically informed design and preliminary evidential support may therefore help CBSA better align its decisions with risk.
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 | 0,029 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,011 | 0,003 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».