Le développement de la surveillance électronique en France et ses effets sur la récidive
Bibliographic record
Abstract
Institué en France en 1997 comme une mesure d’aménagement des peines, le placement sous surveillance électronique (PSE ou bracelet électronique) connaît depuis quelques années un développement important dans le contexte d’une crise de surpopulation carcérale. La première partie de cet article est consacrée à la diversification des usages de cette mesure, dorénavant présente à toutes les phases du processus pénal (pré-sentencielle, sentencielle, post-sentencielle et post-pénale), ainsi qu’au développement, à côté du dispositif de surveillance statique (à domicile), d’une surveillance mobile. Elle présente également une analyse statistique de la population concernée. La deuxième partie rend compte des résultats d’une étude de suivi d’une cohorte de placés cinq ans après la fin de la mesure. Elle examine le devenir judiciaire (récidive) de cette population et cherche à en préciser les facteurs, avant de tenter une comparaison avec d’autres sanctions et mesures pénales. Celle-ci tend à montrer que le taux de re-condamnation des placés se situe sensiblement en deçà de celui des condamnés à l’emprisonnement, et se classe au deuxième rang après le travail d’intérêt général.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 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) | 0.004 | 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".