MétaCan
Menu
Back to cohort
Record W2111580899 · doi:10.7202/008721ar

La victimisation : un aspect marquant de l’expérience des jeunes filles dans les gangs

2004· article· fr· W2111580899 on OpenAlexaffvenueabout
Michèle Fournier, Marie‐Marthe Cousineau, Sylvie Hamel

Bibliographic record

VenueCriminologie · 2004
Typearticle
Languagefr
FieldSocial Sciences
TopicCrime Patterns and Interventions
Canadian institutionsInternational Centre for Comparative CriminologyUniversité de Montréal
Fundersnot available
KeywordsHumanitiesVictimisationArtPoison controlSuicide preventionMedicine

Abstract

fetched live from OpenAlex

L’intérêt des chercheurs pour le phénomène des gangs de rue n’est pas nouveau, comme en font foi les travaux de Trasher publiés dès 1927, ou ceux de Cohen, qui datent de 1955. Au fil des ans, de nombreuses recherches ont été menées sur le sujet et ont permis d’élargir, de façon considérable, les connaissances s’y rattachant. Pourtant, les écrits scientifiques portant spécifiquement sur la présence et le vécu des filles au sein des gangs se font rares, particulièrement au Québec. Tiré d’une recherche qualitative portant sur le cheminement et le vécu des adolescentes montréalaises affiliées à un gang, cet article s’intéresse à un aspect particulier de l’expérience qu’y vivent les filles, celui de la victimisation. Par le biais de récits d’expériences, treize adolescentes ont raconté ce qu’elles ont connu des gangs pendant la période où elles y ont été affiliées. Leurs propos permettent d’apprendre que les jeunes filles qui se joignent à un gang de rue peuvent être victimes de diverses formes de violence au sein de celui-ci : agressions physiques, contrôle, violence amoureuse, isolement, victimisation sexuelle et menaces. De telles expériences présentent un défi pour les personnes oeuvrant auprès de ces jeunes filles, d’autant plus qu’il semble y avoir une certaine distance entre ce qu’elles considèrent comme des éléments victimisants et ce que les jeunes filles estiment être de la victimisation.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesInsufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Other design · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.606
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.002
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0020.000

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.

Opus teacher head0.308
GPT teacher head0.408
Teacher spread0.100 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designOther design
Domainnot available
GenreEmpirical

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".

Quick stats

Citations8
Published2004
Admission routes3
Has abstractyes

Explore more

Same venueCriminologieSame topicCrime Patterns and InterventionsFrench-language works237,207