MétaCan
Menu
← Retour à la cohorte
Enregistrement W7162009714 · doi:10.82308/32748

Alcohol use disorders and crime: identifying and analysing the role of judicial discourse

2019· dissertation· en· W7162009714 sur OpenAlexaboutno aff
Ellen McClure

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoison controlAlcohol consumptionContext (archaeology)Game of chance

Résumé

récupéré en direct d'OpenAlex

La consommation d'alcool est une activité appréciée d’une manière responsablepar la plupart des gens. Cependant, l'alcool peut rapidement devenir un catalyseur pourles comportements qui sont qualifiés comme étant criminels par la loi. En fait, la majoritédes délinquants au Canada souffrent dans une certaine mesure d'un trouble lié à l'alcool.Étant donné la prévalence de cette dépendance dans le système, comment le système dejustice pénale canadien et ses juges traitent-ils le délinquant alcoolique? Quels sont lesréponses et les thèmes de discussion les plus courants parmi les juges confrontés à undélinquant souffrant d'un trouble de l'alcoolisme? Cette thèse définira les termes clésrelatifs aux troubles de la consommation d'alcool, à la criminalité et à la détermination dela peine. La recherche et l’analyse originale de cette thèse permettront au final lapremière classification du discours judiciaire sur les troubles de la consommationd’alcool par thème de discussion, permettant ainsi d’analyser l’impact de ces différentestensions de discussion sur la détermination de la peine de l’accusé ou du délinquant.Les thèmes identifiés comprennent l’incapacité, la reconnaissance des efforts deréadaptation, la reconnaissance de la responsabilité de l’État, le traitement alternatif et ladiscussion sur la réforme. Au-delà des spécificités académiques de cette étude, cette thèsea tenté d'expliquer la possibilité que le criminel ne soit pas toujours seul responsable d'uncrime et que la société puisse jouer un rôle contributif en qualifiant l'individu de criminel.En outre, le «criminel» peut simplement être un toxicomane

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,024
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,006
Études des sciences et des technologies0,0050,004
Communication savante0,0080,004
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,364
Écart entre enseignants0,339 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCriminal Justice and Corrections Analysis→Travaux en français237 207→