Le traitement judiciaire des femmes au Canada : une analyse des disparités liées au genre dans le processus pénal
Notice bibliographique
Résumé
Au cours des dernières années, plusieurs réformes pénales ont été implantées, surtout aux États-Unis, dans l’objectif d’uniformiser les pratiques des tribunaux. Alors que ces nouvelles mesures devaient empêcher l’apparition d’écarts injustifiés basés sur les caractéristiques individuelles des justiciables, les chercheurs s’entendent encore aujourd’hui pour dire que des variations liées au genre existent toujours à travers les décisions judiciaires. Les femmes feraient généralement l’objet d’un traitement plus clément, notamment à l’étape de la détermination de la peine. Cependant, très peu de cet intérêt scientifique s’est concentré sur le contexte pénal canadien. Ainsi, l’objectif général de cette étude est de vérifier si le genre influence les décisions des tribunaux criminels canadiens. Plus spécifiquement, les analyses permettent d’évaluer comment le traitement judiciaire varie selon le genre du justiciable à quatre étapes du processus judiciaire : la détention provisoire, la poursuite des accusations, le verdict de culpabilité ainsi que la détermination de la peine. Pour ce faire, les données administratives de l’Enquête intégrée sur les tribunaux de juridiction criminelle (EITJC) sont examinées. Elles comprennent plus de trois millions d’accusations criminelles portées contre des adultes de 18 à 98 ans à travers le Canada, de 2007 à 2016 inclusivement. L’effet du genre est mesuré à l’aide de régressions multiples et logistiques, en contrôlant pour divers facteurs tels que les antécédents criminels et le type d’infraction. Les analyses révèlent que le genre a un effet significatif sur l’ensemble des décisions étudiées. De manière générale, une plus grande clémence est accordée aux femmes dans le processus judiciaire canadien, celles-ci ayant plus de probabilités d’obtenir une décision moins sévère que les hommes à toutes les étapes analysées. Cependant, comme les disparités liées au genre pourraient s’expliquer par des facteurs qui n’ont pas été inclus dans les modèles prédictifs, les résultats présentent certaines limites. La question entourant la légitimité du traitement différentiel des femmes lors de leur passage en justice demande à être explorer plus en profondeur.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,009 | 0,004 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».