La dynamique de la déviance : comparaison entre les trajectoires de vie de délinquants et de joueurs excessifs
Notice bibliographique
Résumé
Cette thèse de doctorat explore les trajectoires de deux types de déviance, celle de joueurs excessifs (N=100) et celle de délinquants (N=172). Le questionnaire utilisé dans chacun des cas possède un important volet destiné à recueillir des renseignements de manière chronologique par différentes thématiques; la méthode des calendriers d’histoire de vie. L’intérêt d’une analyse de calendrier est qu’elle permet de tenir compte des changements ponctuels de comportement et d’évaluer les effets à court terme de la prise en charge des sujets au cours de leur carrière déviante. La démonstration se base sur trois dimensions des trajectoires : l’intensité de l’engagement, les épisodes d’abstinence volontaire et les épisodes de rechutes. Le résultat majeur de ma thèse montre que les circonstances de vie (facteurs dynamiques) rendent bien compte des dimensions des trajectoires alors que les caractéristiques des individus (facteurs fixes ou statiques) ont souvent très peu de force explicative. Une analyse attentive des effets indirects montre la pertinence de continuer à s’intéresser à ces facteurs. En effet, l’impact des caractéristiques dynamiques est souvent conditionnel à certaines variables statiques.\n\nAucune étude, tant américaine que canadienne, ne s’est penchée sur la dynamique des trajectoires de joueurs excessifs. Le troisième chapitre examine les fluctuations mensuelles des sommes englouties dans les jeux de hasard et d’argent. On s’efforce de comprendre ce qui incite les joueurs à dépenser davantage certains mois et moins à d’autres. Une attention particulière est aussi consacrée aux mois où les joueurs cessent de participer aux jeux de hasard et d’argent et aux facteurs qui favorisent cette abstinence provisoire. \n\nLe quatrième chapitre se concentre sur les trajectoires de délinquants. Dans ce cas-ci, la performance criminelle, les revenus illégaux mensuels, mesure l’intensité de l’engagement criminel. On s’intéresse dans ce chapitre aux conditions régissant à la fois les épisodes de réussite criminelle et les épisodes concomitants de désistement temporaire. \n\nLes mesures « officielles » de récidive (nouvelle condamnation, nouvelle entrée en thérapie) présentent un problème de chiffre noir (les rechutes effectives sont plus nombreuses que les rechutes connues des autorités officielles). L’intérêt du chapitre cinq est de miser sur une analyse autorévélée des rechutes et du « moment » où ces rechutes se produisent. Le deuxième objectif de cette étude est de comparer les épisodes de rechutes dans ces deux trajectoires de déviance. La logique de ce chapitre suit celles des précédents, on s’intéresse à la dynamique qui entoure ces épisodes, on se demande si elle est similaire au sein des deux trajectoires déviantes.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».