Echoes of Imprisonment: Women's Experiences of “Successful (Re)integration”
Bibliographic record
Abstract
Résumé Les femmes qui sortent de prison continuent de faire face à des épreuves provenant de leur emprisonnement. Dans cet article, nous abordons les façons dont la prison, et par extension l'État, suivent les femmes à l'extérieur de la prison jusque dans leurs communautés. Tandis que l'État tente d'assurer une réintégration réussie des ex-prisonnières, ses politiques, reflétant un agenda néolibéral de responsabilisation individuelle, entravent possiblement les chances des femmes de réintégrer leurs communautés. Ici, nous explorons les expériences de (ré)intégration des femmes par l'entremise de témoignages d'ex-prisonnières ayant servi de longues sentences, de leur famille et de leurs défenseurs. Le contrôle que ces femmes ont connu en prison résonne dans leur vie après leur mise en liberté: elles ressentent une désagrégation, une marginalisation et un besoin de (re)négocier leur vie. Tandis que les femmes peuvent quitter la prison, le contrôle qu'elles ont subi durant leur incarcération demeure imprégné dans leur esprit et leur corps. L'État continue d'exercer, bref, une autorité sur elles à distance par les séquelles de leur emprisonnement ainsi que par une surveillance continue.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.015 | 0.014 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.002 | 0.004 |
| 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".