Bibliographic record
Abstract
En France, comme dans la plupart des pays occidentaux, la figure de l’immigré est fortement associée à celle du délinquant, dans les représentations collectives et dans les discours médiatico-politiques sur l’« insécurité ». Cette association se scinde en deux problématiques : la délinquance des étrangers et celle des « jeunes issus de l’immigration ». Cet article se propose de faire une synthèse critique des connaissances sur ces deux questions, à partir des données administratives et des travaux sociologiques de nature quantitative et qualitative. L’examen rigoureux des statistiques policières ne permet pas de mesurer la délinquance des étrangers. Il invite toutefois à distinguer une délinquance professionnelle des étrangers non résidents d’une délinquance d’étrangers résidents qui s’apparente aux vols et aux violences physiques classiquement observés dans les couches les plus pauvres de la population. Les travaux sociologiques permettent ensuite de mettre en évidence le fait qu’une sur-représentation des jeunes issus de l’immigration africaine dans la population délinquante juvénile peut être observée localement mais non de façon uniforme sur le territoire national. Ce constat amène alors à rechercher les effets de contextes locaux qui favorisent le développement de cette spécificité, dans une perspective tant sociologique que psychosociologique.
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| 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".