Bibliographic record
Abstract
Les activités criminelles font partie de la catégorie des activités de la vie sociale sur lesquelles pèse une certaine stigmatisation. Des recherches en criminologie ont cependant démontré que les personnes qui exercent ces activités en retirent des bénéfices : gains financiers, reconnaissance symbolique et apprentissages variés. Si des écrits exposent les apprentissages réalisés pour pouvoir exercer ces activités criminelles, peu d’écrits se penchent sur les apprentissages réalisés dans la pratique de ces activités. Or, certains de ces apprentissages constitueraient des compétences socialement valorisées sur le plan de l’employabilité, n’eût été le jugement social pesant sur elles. Ici, des apprentissages réalisés dans l’exercice d’activités criminelles mobilisés dans le processus d’insertion professionnelle offriraient une compréhension plus ajustée de la complexité du processus d’insertion professionnelle, notamment auprès de jeunes adultes, diplômés ou non. Cet article présente les résultats d’une recherche qualitative menée auprès de cinq jeunes adultes ayant exercé des activités criminelles pour en voir les apprentissages mobilisés ou susceptibles de l’être dans leur processus d’insertion professionnelle dans un emploi légal.
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) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 0.003 |
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".