L’application et l’interprétation de la Loi sur l’adéquation de la peine et du crime par les acteurs judiciaires entre 2010 et 2016
Bibliographic record
Abstract
La législation actuelle permet la prise en compte du temps de détention présentencielle dans la détermination de la peine. Le paragraphe 719(3) du Code criminel encadre la comptabilisation du crédit sur la peine de ce type de détention. Depuis l’entrée en vigueur de la Loi sur l’adéquation de la peine et du crime en 2010, le Code criminel stipule que le juge doit appliquer un crédit de un jour sur le temps de la peine pour chaque jour passé en détention présentencielle. Un maximum d’un jour et demi pour chaque jour de détention présentencielle peut être accordé lorsque les circonstances le justifient. Cette loi, qui s’inscrit dans un durcissement des politiques pénales, apporta un resserrement législatif en circonscrivant le pouvoir judiciaire quand au calcul du crédit pour le temps déjà passé sous garde. L’objectif de l’étude est de comprendre l’application et l’interprétation de la Loi sur l’adéquation de la peine et du crime par les acteurs judiciaires entre 2010 et 2016. Pour ce faire, une analyse d’arrêts de la Cour du Québec et de l’arrêt Summers (2014) de la Cour Suprême du Canada a été réalisée. Les motifs évoqués par les juges quant au calcul du crédit ont été mis en lumière. Il ressort que les conditions de vie en détention présentencielle et que le comportement de l’accusé appuient les décisions des juges. En effet, les résultats de l’étude indiquent que la difficulté des conditions de détention est un motif qui contribue à l’octroi d’un crédit majoré. Ce motif repris par les juges fait appel à un argument de la jurisprudence antérieure aux changements législatifs de 2010. De plus, le « mauvais comportement » de l’accusé peut amener les juges à calculer le crédit à la baisse. Nous concluons que les acteurs judicaires ont résisté face à la politique pénale de 2010, mais aussi qu’une sévérité pénale teinte le calcul du crédit.
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 | 0.016 | 0.059 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.005 | 0.011 |
| Insufficient payload (model declined to judge) | 0.013 | 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".