Prison (im)permeability and non-visitation in Brazil: carceral violence from the standpoint of the ‘disfavoured’
Notice bibliographique
Résumé
Bahia is the Brazilian state that incarcerates the smallest proportion of its population and has an incarceration rate (97.4) much lower than the national average (329.2). However, these numbers tell us little about the harms inflicted on Bahians in the name of public security. Drawing on field research carried out in/around Feminina (a women’s prison), during two periods (2010–2012 and 2016–2019), we approach carceral violence from the standpoint of ‘ pessoal da Feminina’, a category used by the imprisoned and non-imprisoned people most impacted by this prison to refer to themselves. Our analysis is oriented by the insights of Black feminist scholar-activists. Building on theorisations of the ‘sequelae’ (deadly after-effects) of gendered and anti-Black police killings, we turn attention to the injurious effects of imprisonment and the interlocking nature of carceral and police violence. Our interlocutors are Black women whose lives have been shaped by police lethality and various institutions of confinement. Taking seriously their claim that ‘ pessoal ’ are always disadvantaged, and centring their interpretations, exposes limitations of a set of increasingly common tropes in the critical prison studies literature, including narratives about carceral porosity, the provision of assistance/care and the abandonment of incarcerated women. Ultimately, we show how the relative impermeability of Feminina inflicts gendered and racialised sequelae by constraining horizontal and bi-directional exchanges of care among its ‘ pessoal ’ and producing non-visitation . We conclude that it is necessary to think critically about the concepts that structure prison research if we are to challenge rather than reinforce calls for more and ‘better’ top-down carceral assistance .
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 | 0,001 | 0,004 |
| 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 | 0,007 | 0,011 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».