Réconcilier les divisions en criminologie canadienne : quelques idées pour le futur
Bibliographic record
Abstract
La criminologie a connu une croissance institutionnelle remarquable et sa popularité parmi les étudiants suggère que cette croissance se poursuivra à l’avenir. Cependant, les criminologues travaillent au sein d’une discipline fragmentée, ses différentes approches théoriques, méthodologiques, et empiriques faisant l’objet de débats. Cette absence d’un « objet central » de la discipline génère des points de vue contradictoires par rapport à ce qui devrait être considéré comme les sujets d’étude et les approches valides. Donc, une question fondamentale pour les criminologues est : comment bâtir une communauté de chercheurs forte et collaborative qui pourra surmonter les défis des divisions réelles et potentielles de la discipline ? En 2009 un groupe multidisciplinaire de chercheurs se sont rencontrés à l’Université Western Ontario dans le but d’identifier, de discuter et de réduire les divisions qui existent parmi les différents groupes de recherche criminologique contemporains. Le résultat de cette rencontre est cette édition spéciale de la Revue canadienne de criminologie et de justice pénale.
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 | 0.013 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.009 |
| Science and technology studies | 0.025 | 0.061 |
| Scholarly communication | 0.028 | 0.013 |
| Open science | 0.004 | 0.011 |
| Research integrity | 0.007 | 0.010 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".