Au-delà de l’individualisation des processus de désistement
Bibliographic record
Abstract
Le passage à l’âge adulte est pour les jeunes non seulement une transition personnelle, mais aussi, comme cet article le suggère, l’amorce de leur processus de désistement. L’individualisation du risque et des processus de désistement jouent un rôle dans l’étude de la délinquance et de la justice pénale ainsi que, selon moi, dans notre compréhension du concept de désistement assisté. Ce concept distingue les sources formelles (professionnels) et informelles (pairs/mentors) de soutien dans l’abandon des activités criminelles, mais sans toutefois prendre en compte le soutien offert par l’État. Dans le cadre d’une étude portant sur le désistement en Écosse, j’ai conduit 40 entretiens avec des jeunes sur les facteurs qui les poussent à la délinquance, les raisons qui expliquent leur désistement et la façon dont ce processus se déroule, et comment y apporter un soutien optimal. Le présent article s’inspire principalement du point de vue de ces jeunes sur les manières les plus efficaces d’encourager ce processus, notamment par le soutien émotionnel et pratique, ce dernier étant envisagé sous l’angle plus large des politiques sociales et non seulement de la justice pénale. Les agents de probation ne peuvent offrir qu’une partie de ce qui constituerait selon moi une assistance adéquate au processus de désistement. Je crois d’ailleurs que l’État peut pallier ce problème en reconnaissant davantage les besoins et les aspirations des jeunes en difficulté. La présente étude a également été reconduite au Japon, où les problèmes auxquels les jeunes en transition sont confrontés sont moindres par rapport à l’Écosse, mais où la perception de « ce qui fonctionne » est similaire. L’étude est donc pertinente dans tous les pays où les trajectoires de la délinquance juvénile et les transitions des jeunes sont étroitement corrélées.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".