MétaCan
Menu
Retour à la cohorte
Enregistrement W4416145978 · doi:10.1093/socpro/spaf074

Mass incarceration and symbiotic harms: How families and loved ones experience the criminal justice system

2025· article· en· W4416145978 sur OpenAlexaff
Rutgers University Allegra Pocinki

Notice bibliographique

RevueSocial Problems · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésCognitive reframingPrisonCriminal justiceAgency (philosophy)Mass incarcerationReflexivitySense of agencyEconomic Justice

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Families constitute vital sources of support to the approximately two million people currently incarcerated in the United States by contributing financial assistance, providing emotional support, and promoting desistance. Existing research on families focuses on the experiences of partners or children rather than parents or adult siblings, and particularly on how family support can reduce recidivism. This paper incorporates the theoretical approach of symbiotic harms, which emphasizes the flow of harms into and out of the criminal justice system. Drawing on observations of three national, virtual support groups and 21 in-depth interviews with family members, this study investigates shared experiences across the criminal justice system and agentic responses to harm, from small acts of resistance to activism. The data reveal symbiotic harms in four key areas: financial and medical burdens, emotional adjustments, status disclosure, and negative experiences within prison walls. This research addresses a question largely unanswered by the existing symbiotic harms literature on how agency is defined and exercised. The data illustrate an important case study of the meanings that support group participants attach to their practices of agency: self-care as empowerment, reflexive engagement with processes of stigmatization, strategies for counteracting harms, and reframing setbacks as blessings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,013
Communication savante0,0060,004
Science ouverte0,0010,008
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,026
Tête enseignante GPT0,300
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial ProblemsMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207