L'effet des interventions légales sur les accidents mortels et associés à la conduite avec facultés affaiblies au Québec entre 1980 et 2001
Bibliographic record
Abstract
La conduite avec facultés affaiblies par l'alcool (CFA) étant une cause importante des accidents mortels, plusieurs pays ont promulgué des lois pour dissuader ce comportement. Bien que plusieurs évaluations témoignent de la capacité des lois à améliorer le bilan routier, cette position ne fait pas l'unanimité chez les criminologues. Plusieurs reproches aux évaluations de ne pas opérationnaliser les concepts reliés à la théorie de la dissuasion, ce qui ne permet pas de bien comprendre pourquoi la loi se solde par un succès ou un échec. Notre étude prend en considération les critiques précédentes. Nous optons pour une méthode évaluative qui intègre les actions des différentes instances pénales et nous opérationnalisons nos variables, en tenant compte des concepts centraux à la théorie de la dissuasion. Nos résultats montrent que l'augmentation de la probabilité d'ětre incarcéré (combinée à un maintien élevé des arrestations policières) et les campagnes médiatiques accompagnant la loi C-18 de 1985 ont significativement fait diminuer les accidents mortels associés à la conduite avec facultés affaiblies au Québec entre 1980 et 2001. Pour cette période, nous estimons à un peu moins de 2 000 le nombre d'accidents mortels prévenus par l'augmentation de la probabilité d'ětre incarcéré.
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 | 0.002 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".