Carrière criminelle lucrative et désistement assisté
Bibliographic record
Abstract
La recherche sur le désistement assisté s’intéresse à la manière dont les interventions formelles ou informelles soutiennent le processus de cessation des activités criminelles. L’intérêt pour ce sujet étant plutôt récent, l’état des connaissances est somme toute embryonnaire. En outre, les travaux empiriques n’ont pas tenu compte des caractéristiques de l’implication criminelle sur la réceptivité au désistement assisté. Bien que la majorité des crimes commis dans nos sociétés soient motivés par l’appât du gain, les connaissances actuelles sur le désistement de la délinquance lucrative sont peu développées. Sur la base de récits narratifs de 27 personnes ayant commis des crimes lucratifs, l’objectif de cette étude est d’examiner les perceptions sur l’assistance reçue (désistement assisté). Tout d’abord, la reconnaissance de l’assistance dans le processus de désistement est inspectée, pour ensuite observer comment et quand cette assistance se manifestait dans les parcours de vie des répondants. Les résultats montrent l’intérêt du désistement assisté dans la compréhension du processus qui mène à la fin de la carrière criminelle, le désistement assisté ayant facilité l’abandon des comportements criminels dans la majorité des trajectoires individuelles. Les analyses montrent également que l’assistance peut prendre différentes formes, qu’elle agit de deux façons distinctes et qu’elle peut se manifester à différents moments dans le processus de désistement.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".