Le processus de désaffiliation aux gangs. Le rôle des facteurs individuels et collectifs
Bibliographic record
Abstract
Dans cet article, il est question du processus de désaffiliation au sein d’un échantillon de 73 membres de gangs incarcérés dans un centre de détention en Colombie-Britannique. Plus précisément, cet article examine si la désaffiliation est associée aux caractéristiques individuelles ou plutôt aux caractéristiques et aux processus collectifs. Pour ce faire, les différences entre les membres toujours affiliés (n = 51) et ceux s’étant désistés (n = 22) sont dans un premier temps examinées. Deuxièmement, une régression logistique est utilisée afin de déterminer quels sont les facteurs les plus susceptibles de prédire une désaffiliation au sein de l’échantillon. Les principaux résultats semblent indiquer que la violence au sein du gang ainsi que l’environnement criminel de la recrue favorisent la continuation de l’affiliation et retardent ainsi le désistement. Cet article a aussi pour objectif d’illustrer le contexte dans lequel se déroule la désaffiliation, en examinant (a) le rôle d’évènements potentiels précipitant la décision de se désaffilier et (b) le rôle spécifique joué par la violence dans le processus de désaffiliation. Ces deux derniers objectifs sont abordés dans l’analyse des récits des 22 participants ayant récemment quitté leur gang. Le but premier de cette analyse qualitative est de bonifier les résultats issus de l’analyse quantitative, qui ne parvient peut-être pas à capturer le spectre complet du processus décisionnel.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".