MétaCan
Menu
← Retour à la cohorte
Enregistrement W589512942 · doi:10.71781/23392

Discours et politique du répertoire public de délinquants sexuels : la « Loi de Megan » au New Jersey

2010· dissertation· fr· W589512942 sur OpenAlexaboutno aff
Patrick Laurin

Notice bibliographique

RevueOpen MIND · 2010
Typedissertation
Languefr
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical science

Résumé

récupéré en direct d'OpenAlex

Le 29 juillet 1994, Megan Kanka, une jeune fille de sept ans de la municipalité de Hamilton au New Jersey, est enlevée, agressée sexuellement et tuée par ce qui se révélera être son voisin d’en face, Jesse Timmendequas. À l’époque, l’assaillant de Megan avait déjà fait l’objet de deux condamnations pour agression sexuelle. Suite à cette tragédie, les parents de Megan luttèrent pour la création d’une loi qui révélerait automatiquement au public l’identité et le lieu de résidence des délinquants sexuels. Moins de trois mois plus tard, la « Loi de Megan » était ratifiée. Ainsi un répertoire étatique centralisé de délinquants sexuels en partie disponible au public fut créé. Notre étude se centre sur ce cas et tente de comprendre comment une construction particulière de la délinquance sexuelle comme problème social mena à la réponse pénale spécifique qu’était la Loi de Megan. Pour ce faire, nous analysons les discours et argumentaires politiques en lien avec l’affaire. Huit entretiens avec différents acteurs impliqués dans le débat politique menant à la création de la loi de Megan furent effectués. Une analyse de plus de 150 articles de journaux et de quelques projets et textes de lois fut également effectuée. Nos résultats soulignent d’abord le rôle primordial qu’avait le contexte sociopolitique autant sur la construction du problème social de la délinquance sexuelle que sur la solution qui lui était liée. L’analyse du cas nous indique également que la dyade problème-solution s’élabora en conjonction, dans un cadre temporel uniforme, dont les seules étapes détectables sont celles du narratif de la mort de Megan et de l’élaboration concrète de la loi. En d’autres mots, la mort de Megan ne constituait qu’un point focal qui permit à des acteurs de mettre en pratique des concepts déjà largement partagés. L’étude conclue en liant le contexte sociopolitique du Canada à celui retrouvé dans notre étude de cas et suggère qu’une construction similaire de la délinquance sexuelle comme problème peut facilement être envisageable chez nous. Si personne ne souhaite l’occurrence d’une situation comparable à celle vécue par Megan Kanka et sa famille, cet élément nous apparaît comme étant celui qui propulserait réellement cette construction sur la place publique, à condition bien évidemment qu’une personne ou un groupe de personnes en fassent une question à débattre.

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)0,004
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 enseignants0,392
Score d'incertitude au seuil0,779

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0260,026
Communication savante0,0090,005
Science ouverte0,0020,006
Intégrité de la recherche0,0040,009
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,058
Tête enseignante GPT0,401
Écart entre enseignants0,342 · 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
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetCriminal Justice and Corrections Analysis→Travaux en français237 207→