La perspective des scripts appliquée aux homicides et implications pour les enquêtes criminelles
Notice bibliographique
Résumé
Contexte et objectifs. Plusieurs études sur lâhomicide ont été réalisées avec lâobjectif dâépauler les policiers lors de leurs enquêtes. Le lien entre lâagresseur et la victime représente le principal déterminant des types de meurtres. Lâutilité de ces études a toutefois été remise en question tant par les policiers que par la communauté scientifique. En combinant la perspective du script et lâapproche dimensionnelle, le but du présent mémoire est dâaméliorer les connaissances sur le processus de commission de lâhomicide.\nMéthodologie. Différents scripts de lâhomicide seront proposés afin de reconstituer le processus de commission du crime et de mieux comprendre les dynamiques expressives et instrumentales qui y sont rattachées. Les données utilisées dans le cadre de la recherche ont été recueillies auprès de 100 dossiers dâhomicide de femmes et dâenfants répertoriés entre 1988 et 2011.\nRésultats. Les scripts permettent de dresser divers constats. Tout dâabord, lorsque la victime a subi dâimportants sévices, le meurtrier est généralement un proche, indépendamment du motif initial de lâagresseur (p. ex. commettre un vol ou tout simplement tuer la victime). La sévérité des sévices dépend également de la présence dâarmes sur les lieux du crime et du degré de résistance de la victime. Finalement, les scripts ont démontré que la nature de la relation entre la victime et lâagresseur influence le lieu où le meurtre prend place.\nConclusion. Les résultats obtenus sâinscrivent dans une perspective différente en ce sens où, sans négliger la question de la personnalité, des variables contextuelles, hors du contrôle de lâagresseur, ont une incidence sur le niveau de sévices infligé à la victime. Le profile pourrait dès lors intégrer des aspects situationnels afin de pister les enquêteurs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».