L’effet de la Loi C-68 sur les homicides au Québec : une analyse des bornes extrêmes
Bibliographic record
Abstract
Depuis la fin des années 1970, trois lois canadiennes en matière de contrôle des armes à feu ont été promulguées, soit les Lois C-51 (1977), C-17 (1991) et C-68 (1995). Faute de preuves scientifiques crédibles, la capacité de ces lois à prévenir les homicides par arme à feu demeure incertaine. Tout en surmontant les biais potentiels des évaluations antérieures, l’objectif de cet article est d’évaluer l’effet de la Loi C-68 sur les homicides au Québec entre 1974 et 2006. D’après les résultats de notre analyse des bornes extrêmes, la Loi C-68 est associée à une baisse graduelle des homicides par arme à feu, et ce, sans produire de déplacement tactique. Cette baisse graduelle s’observe toutefois exclusivement auprès des homicides par armes à feu sans restriction (carabines et fusils de chasse). D’autres études sont nécessaires afin de documenter l’effet spécifique du permis d’acquisition et de possession d’armes à feu, de même que l’effet spécifique du Registre canadien des armes à feu, sur les homicides.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".