MétaCan
Menu
Retour à la cohorte
Enregistrement W7043104604

RESTORATIVE JUSTICE CIRCLES AS A METHOD FOR ADDRESSING THE IMPACTS OF CRIME ON VICTIMS, COMMUNITIES, AND OFFENDERS

2010· dissertation· en· W7043104604 sur OpenAlexaboutno aff

Notice bibliographique

RevueScholarWorks-UA (University of Alaska Fairbanks) · 2010
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRestorative justicePunishment (psychology)Criminal justiceEconomic JusticeWork (physics)Theory of criminal justice
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Considering the true impacts of crime on victims, offenders, and their communities is a philosophical and abstract process. It is an important process, however, because the way in which a society considers these impacts dictates how that society operates its criminal justice system. Generally speaking, the purpose of a criminal justice system is to reduce crime, and the effects of crime primarily on the victims and their communities. For the last 200 years, the justice system model in the United States has been retributive: it has focused on punishment of offenders in order to reduce crime. Restorative justice circles have been revived or introduced in various communities across North America for several decades, including communities in Manitoba, the Yukon Territories, Minnesota, Alaska, and Massachusetts. This paper describes restorative justice circles and traces its roots in American Indian traditions, explores individual communities using circles and what types of crimes the circles address, and explores the notable successes of circles in each community. To examine how these circles work in the formal legal system, there is a brief examination of Canada and the United States' legal allowances for restorative justice practices. Finally, the potential problems and limitations of the circles are examined so as to give a more well-balanced and fair review of the use of circles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,174
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 GPT0,359
Écart entre enseignants0,301 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarWorks-UA (University of Alaska Fairbanks)Même sujetCriminal Justice and Corrections AnalysisTravaux en français237 207