Délinquance, performance et capital social : une théorie sociologique des carrières criminelles1
Bibliographic record
Abstract
Cet article soutient la thèse selon laquelle le capital social des délinquants leur permet d’augmenter de manière significative les revenus qu’ils retirent de leurs activités. La démarche utilisée pour rendre opératoire cette proposition a pour effet de renouveler de différentes façons la sociologie criminelle : il ne suffit pas de savoir si un délinquant « fréquente » d’autres délinquants ou non, il faut mesurer la qualité relationnelle et instrumentale des rapports qu’il entretient avec eux et son aptitude à exploiter les opportunités qu’ils ouvrent ; il ne suffit pas de qualifier les délinquants de « chroniques » ou d’« occasionnels », il faut plutôt se demander si leur trajectoire délinquante est « réussie » ou non ; et, finalement, il ne suffit pas de décrire les trajectoires délinquantes, il faut en resituer l’analyse dans le contexte plus large des parcours individuels et collectifs de mobilité professionnelle. Un des bénéfices marginaux d’une telle approche est de remettre en cause la thèse selon laquelle les délinquants seraient inaptes au « succès » en raison de leur témérité, de leur impulsivité ou de leur présentisme. Les données de l’étude proviennent d’entrevues auprès d’un échantillon de 156 détenus fédéraux dans le cadre d’une enquête qui s’intéressait à leur situation financière durant les trois années qui avaient précédé leur incarcération actuelle.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".