A Comparative Study of Mechanisms for Preventing Transphobic Hate Crimes: Case Study of Iran and Canada
Notice bibliographique
Résumé
تراجنسیها به خاطر اختلال هویت جنسی که دارند، رفتاری ناسازگار با جنسیت زمان تولد خود ابراز میکنند. همین وضعیت آنها را به عنوان یکی از گروههای آسیبپذیر در برابر جرایم ناشی از نفرت تبدیل نموده است. اهمیت بالای پیشگیری از خشونت و نفرت علیه تراجنسیها به خاطر هویت و ابراز جنسیتی آنها باعث شده است تا شورای حقوق بشر سازمان ملل متحد در سال 2016، قطعنامهای به منظور مقابله و پیشگیری از جرایم ناشی از نفرت علیه آنها وضع نماید. در سطح ملی، نظام حقوقی ایران و کانادا هر دو تراجنسیها را به عنوان افراد با هویت جنسیتی متفاوت به رسمیت شناخته شدهاند؛ با این وجود، در نظام حقوقی ایران به جز برخی از تدابیر پیشگیرنه موردی و پراکنده، تدابیر ساختارمندی دنبال نشده است. در سوی دبگر، نظام حقوقی کانادا در حوزه پیشگیری به ویژه ارتقا سطح آگاهی همگانی، ایجاد فضاها و پناهگاههای امن، تأسیس نیروی ویژه پلیس جرایم ناشی از نفرت و ارائه خدمات تخصصی حمایت از بزهدیدگان، گامهای مناسبی برداشته است. علاوه بر این، جرمانگاری برخی از مصادیق جرایم ناشی از نفرت و تشدید مجازات مرتکبان به تقویت بازدارندگی کمک نموده است. در اینجا پرسش اصلی آن است که مؤلفههای یک نظام پیشگیرانه مؤثر پیرامون بزهکاری مذکور چیست؟ در پاسخ به عنوان فرضیه گفتنی است، تمرکز بر سطوح سهگانه پیشگیری همراه با واکنش کیفری افتراقی راهبردی مؤثر ارزیابی میشود؛ با این مراتب، جستار حاضر با مطالعه تطبیقیِ نظامهای پیشگیری ایران و کانادا، به ترسیم چهارچوبی برای نظامی پیشگیرانه و مؤثر در برابر جرایم یادشده میپردازد.
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 | 0,000 | 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 ».