L’intervention de type criminologique à l’aune de la Collaboration Cochrane
Bibliographic record
Abstract
Dans les échelles d’appréciation de la qualité scientifique des recherches, les essais randomisés contrôlés (ERC) figurent en haut de la liste. En termes de crédibilité, dans le courant des pratiques fondées sur des données probantes (Evidence Based Practice [EBP]), les résultats qu’ils obtiennent ont la priorité sur les autres. Les recensions Cochrane, qui portent généralement sur l’efficacité d’interventions médicales, s’intéressent aussi aux interventions de type criminologique. À notre connaissance, aucune étude ne s’est encore penchée sur les conclusions dégagées par la Collaboration Cochrane sur ce type d’intervention. Dans le présent article, le contenu de la revue électronique Cochrane Database of Systematic Reviews a été analysé, pour la période allant de 2000 à 2008. Les résultats montrent que 33 recensions Cochrane ont traité d’interventions de type criminologique. Privilégiant les ERC, ces recensions n’ont retenu en moyenne que 2 % de toutes les études publiées dans différents champs d’intervention. Un tel résultat permet de discuter de la pertinence de la méthode Cochrane pour évaluer l’efficacité d’interventions à caractère plus social. Les questions posées concernent la représentativité des milieux où sont implantées les interventions, la concomitance et la complexité des problèmes à résoudre, les apports et limites des « protocoles » d’intervention, ainsi que les risques de retard, voire de paralysie, dans l’implantation d’approches innovantes.
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 | 0.077 | 0.200 |
| Meta-epidemiology (narrow) | 0.003 | 0.002 |
| Meta-epidemiology (broad) | 0.011 | 0.013 |
| Bibliometrics | 0.013 | 0.011 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.007 | 0.006 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".