Délinquance chez les jeunes au Canada : analyse empirique des facteurs socio-économiques présents à l'enfance
Notice bibliographique
Résumé
Selon l’Organisation mondiale de la santé (OMS, 2014), la violence chez les jeunes a de lourdes conséquences sur l’ensemble de la société. On parle notamment d’une pression sur les dépenses de soins de santé et sur les coûts des procédures judiciaires, d’une diminution de la productivité et de la valeur des biens, et donc une dégradation du bien-être global de la société. Il est important de cerner les causes de la délinquance dès l’enfance. Plus le jeune débute sa « carrière criminelle » à un jeune âge, plus les chances de récidives futures sont élevées (Carrington et al., 2005). Marc Cohen, un chercheur américain, a calculé que l’économie future de détourner un jeune à risque d’une carrière criminelle serait de l’ordre de 1,7 à 2,3 millions de dollars. Nous allons tenter dans ce mémoire de cibler la présence de facteurs de risque socioéconomiques sur le comportement criminel futur. Nous comparerons les résultats obtenus par un modèle de régression classique à ceux obtenus par un modèle d’équations structurelles impliquant des variables latentes et manifestes. On sera alors en mesure de quantifier les effets directs et indirects des variables pour une meilleure analyse et un ciblage plus efficace des solutions à préconiser. Nous pourrons également, grâce à ces modèles, tenir compte de l’ensemble des types de facteurs de risque que nous avons identifié chez les jeunes suivis de notre échantillon provenant des huit cycles de l’Enquête longitudinale nationale sur les enfants et les jeunes (ELNEJ). Nous compléterons avec une discussion sur les facteurs de risque les plus déterminants dans le comportement criminel pour ainsi formuler de possibles recommandations sur des moyens de prévention qui pourraient se révéler efficaces dans la diminution de la délinquance juvénile. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : délinquance juvénile, facteurs de risque, ELNEJ, criminalité
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».