Les filles et les gangs : contextes et répercussions pour les femmes
Bibliographic record
Abstract
On perçoit généralement les gangs comme étant un phénomène essentiellement masculin, presque emblématique du caractère rebelle des garçons, mais les gangs sont composés d’une part importante de filles. Les dernières données indiquent qu’au moins le quart des membres de gangs sont des filles. Cet article s’intéresse aux perspectives théoriques sur le genre présentes dans les recherches traditionnelles sur les gangs et propose d’aborder le phénomène des gangs sous l’angle de la criminologie féministe afro-américaine et des études sur les trajectoires de vie des femmes. Privilégiant les études qui visent spécifiquement le genre et l’ethnicité, l’article se penche ensuite sur les circonstances qui incitent les filles à se joindre aux gangs. Il est essentiel d’analyser ce phénomène en fonction du rôle de la victimisation, surtout la victimisation sexuelle, tant sur le plan des causes que des conséquences de l’adhésion des filles aux gangs. Les tensions et les divisions au sein de la famille, l’influence des relations entre filles et membres de gangs sur la décision de joindre le gang, la consommation d’alcool ou de drogue (et le risque accru de victimisation) ou un milieu scolaire et un quartier défavorisé caractérisé par la violence, sont autant de facteurs qui incitent les jeunes filles à se joindre aux gangs.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.016 | 0.017 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".