MétaCan
Menu
Back to cohort
Record W2135273431 · doi:10.7202/1015295ar

L’expérience des demandeurs d’asile détenus au Canada

2013· article· fr· W2135273431 on OpenAlexaffvenueabout
Janet Cleveland, Véronique Dionne-Boivin, Cécile Rousseau

Bibliographic record

VenueCriminologie · 2013
Typearticle
Languagefr
FieldPsychology
TopicMigration, Health and Trauma
Canadian institutionsMcGill UniversityCentre de Santé et de Services Sociaux de la Montagne
Fundersnot available
KeywordsHumanitiesPolitical scienceArt

Abstract

fetched live from OpenAlex

Au Canada, les demandeurs d’asile détenus en vertu des lois sur l’immigration sont enfermés dans des établissements de type carcéral, même si moins de 6 % d’entre eux sont soupçonnés de criminalité ou de dangerosité. Nous présentons un survol de la situation canadienne, incluant des données tirées de notre récente étude sur l’impact de la détention sur la santé mentale des demandeurs d’asile. Cette étude fut menée auprès de 122 demandeurs d’asile adultes détenus dans des centres de surveillance de l’immigration, à Montréal et à Toronto, et d’un groupe témoin de 66 demandeurs d’asile non détenus. Les demandeurs d’asile détenus vivent un sentiment de disempowerment et de perte d’agentivité en raison du régime de surveillance et de règles strictes dans lequel ils sont placés et de la durée indéterminée de leur détention. Après une incarcération moyenne de 31 jours, le niveau de symptômes psychiatriques était nettement plus élevé chez les demandeurs d’asile détenus que chez les non-détenus ayant eu une exposition traumatique prémigratoire équivalente. La Loi visant à protéger le système d’immigration du Canada (projet de loi C-31) prévoit que des demandeurs d’asile désignés par le ministre, incluant des jeunes de 16 ans et plus, seront automatiquement détenus avec une possibilité très limitée de demander la libération. Il faudrait, au contraire, envisager des solutions de rechange moins contraignantes.

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 categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.718
Threshold uncertainty score1.000

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 studies0.0000.001
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0070.003

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 head0.217
GPT teacher head0.385
Teacher spread0.167 · 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; both teacher heads agree on what is shown here.

Study designObservational
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

Citations11
Published2013
Admission routes3
Has abstractyes

Explore more

Same venueCriminologieSame topicMigration, Health and TraumaFrench-language works237,207