Negotiated Risk: Actuarial Illusions and Discretion in Probation
Bibliographic record
Abstract
Résumé Une « peine juste » est de plus en plus structurée selon le cadre de la probabilité actuarielle. Les technologies du risque actuariel sont souvent considérées comme des procédés ayant, en grande partie, supplanté la prise de décision discrétionnaire de la part des intervenants par des modèles décisionnaires structurés et quantitatifs. Certains savants soutiennent que la transition vers des pénalités basées sur le risque a mené à la «déqualification», à la «scientificité» et à «l'érosion de la discrétion professionnelle», voire même à l'élimination du pouvoir discrétionnaire professionnel de la part des praticiens du droit criminel. Basé sur 71 entrevues semi-structurées et non directives avec des professionnels de la justice criminelle, cet article analyse comment l'introduction des outils du risque façonne la discrétion sans toutefois l'éliminer. Nous soutenons que les outils du risque ne sont pas simplement imposés sur les praticiens de la justice criminelle. Au contraire, les praticiens résistent et utilisent activement les technologies du risque tout en atténuant l'impaete de ces outils sur leur capacité de prendre des décisions discrétionnaires. Nous soutenons que l'adoption des technologies du risque représente une négociation procédurale : les praticiens accueillent les avantages professionnels que ces technologies apportent tout en affirmant l'importance de l'expérience et de la connaissance clinique dans la prise de décision. Nous démontrons comment, premièrement, les praticiens font la distinction entre la standardisation de l'évaluation du risque et leurs propres expériences et connaissances cliniques et comment, deuxièmement, ils exercent de la discrétion dans le but de mitiger les effets discriminatoires associés à l'évaluation du risque. Ainsi, bien que les praticiens sont attirés vers les outils du risque par le fait que leur soi-disant «objectivité» les aident à défendre leurs décisions auprès du public, l'adoption et l'utilisation de ces outils dans le contexte de la prise de décisions professionnelles est plus complexe et contradictoire que laisserait croire la littérature théorique.
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 | 0.007 | 0.039 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".