« J’suis pas raciste, mais… » : une étude expérimentale de l’influence de l’identité autochtone et des biais cognitifs des évaluateurs sur le processus d’évaluation du risque et des besoins
Notice bibliographique
Résumé
L’évaluation du risque de récidive et des besoins criminogènes, à l’aide d’instruments actuariels, joue désormais un rôle intégral dans le système de justice canadien. Les résultats à ces évaluations orientent plusieurs décisions concernant la prise en charge correctionnelle, notamment les besoins en matière de traitement et les possibilités de libération. Considérant les implications importantes de ces évaluations, il est primordial de s’assurer de l’impartialité des instruments utilisés, sans quoi il peut être possible de perpétuer la discrimination systémique vécue par certains groupes ethnoculturels. Au Canada, plusieurs études suggèrent que les instruments actuariels sont moins efficaces pour prédire la récidive auprès de contrevenants issus des peuples autochtones. Certains auteurs soutiennent que ces différences dans la capacité prédictive des instruments pourraient être dues à la présence de biais dans l’évaluation. Peu d’études se sont intéressées à l’effet des biais cognitifs des évaluateurs sur le processus d’évaluation. Ainsi, cette étude a pour objectifs d’étudier, d’une part, l’effet de l’identité autochtone et, d’autre part, l’effet des biais cognitifs des évaluateurs sur le processus d’évaluation et les décisions en matière de traitement. Pour ce faire, un devis expérimental assignant aléatoirement 83 participants en criminologie à un Agent Virtuel Autonome (AVA) pouvant prendre la forme d’un adolescent caucasien ou d’un adolescent autochtone a été préconisé. Les personnages sont identiques en tous points sauf en ce qui a trait à leur origine ethnoculturelle. Les participants se sont entretenus avec l’AVA et ont par la suite dû procéder à l’évaluation du risque de récidive et des besoins criminogènes du personnage à l’aide du YLS/CMI et la rédaction d’un rapport d’évaluation détaillant le plan d’intervention qui serait envisagé pour le personnage. Les données ont ensuite été comparées selon l’identité ethnoculturelle du personnage, et des modèles de modération ont été utilisés afin d’évaluer l’effet des biais cognitifs sur le processus d’évaluation selon l’identité ethnoculturelle du personnage. Les résultats mettent de l’avant qu’il existe plusieurs différences dans le processus d’évaluation dépendamment de l’identité autochtone, qui engendrent une évaluation plus sévère de ce dernier, en plus de suggérer que les biais cognitifs des participants les amènent à favoriser le personnage blanc. Les implications pratiques et théoriques de ces résultats sont discutées.
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 | 0,021 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».