Itinérance, santé mentale, justice
Bibliographic record
Abstract
Plusieurs programmes et services ont été développés en vue d’adapter les interventions policières et les processus judiciaires aux besoins des personnes ayant des troubles mentaux, de surcroît lorsque celles-ci sont en situation d’itinérance. La présente étude adopte un devis qualitatif descriptif afin d’explorer l’expérience qu’ont les personnes vivant à la fois une situation d’itinérance et un trouble mental de ces services. L’analyse de six entretiens révèle les représentations complexes que se font les participants de leur implication judiciaire, entre sentiment de responsabilité et d’injustice ; le manque de légitimité vécu dans la plupart de leurs interactions, auquel l’accompagnement offre parfois un contrepoids ; et enfin des perceptions distinctes des services selon leur nature « régulière » ou « alternative ». Les participants mettent à l’avant-plan dans leurs récits les principes de la justice procédurale, en particulier ce que des processus dits « alternatifs » permettent à cet égard, mais également le caractère exceptionnel d’interactions respectant ces principes. Les résultats nous amènent à interroger la capacité des diverses institutions sociales à offrir des services vécus comme justes par les personnes situées au confluent d’identités sociales marginalisées, à différents moments de leurs parcours.
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 | 0.005 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.009 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 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".