Gendering risk at what cost: Negotiations of gender and risk in Canadian women’s prisons
Notice bibliographique
Résumé
A major turning point in Canadian federal1 women’s corrections occurred nearly 14 years ago when the federal government accepted the report of The Taskforce on Federally Sentenced Women (TTFSW, 1990). This report mandated a new women-centered and culturally sensitive approach to the management and organization of federal women’s prisons. Yet many of the difficulties identified by the taskforce still exist (Hannah-Moffat and Shaw, 2001) and are subject to ongoing evaluation by state and non-state agencies, including the Auditor General (Auditor General of Canada, 2003) and the Canadian Human Rights Commission.2 A major concern for Canadian researchers is the potential for systemic discrimination resulting from gender-neutral risk assessment practices that ineffectually account for gender and cultural differences (see also Van Voorhis and Presser, 2001, for the USA context). Risk tools have an intuitive appeal to practitioners because they ground deci-sions in statistical (thus objective) relationships (Feeley and Simon, 1992). Strategically, such tools are used to inform service rationalization and to increase professionals ’ accountability in decision making in the named efficient and just management of a range of risks (recidivism, suicide, self-harm, violence, escape). Whilst risk assessments may be considered by some practitioners (institutional classification officers, parole board members, probation officers and case managers) as a ‘matter of common sense’, such a discourse is not persuasive in court or at inquests, so a standardized risk assessment ensures a decision is defensible should something go wrong: ‘they back you up if something goes wrong – you can demonstrate that you used a standardized approach that is empirically based’.3
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».