Mettre en lumière la lumière : l’éclairage carcéral, le travail correctionnel et le bien-être
Bibliographic record
Abstract
Dans cet article, nous analysons l’expérience et les préoccupations des agents correctionnels (AC) canadiens fédéraux concernant leur environnement de travail. En nous appuyant sur la géographie carcérale, et en reconnaissant l’importance des liens entre l’architecture, les aménagements physiques et l’expérience vécue de l’espace, nous avons étudié l’effet de la lumière (ou de son absence) sur l’environnement de travail et le bien-être des AC. Les participants dont les propos sont rapportés dans cet article (n = 60) ont été recrutés dans le cadre d’une vaste étude longitudinale (Ricciardelli et al., 2021). Après avoir constaté que l’accès limité à la lumière naturelle est souvent justifié par des considérations liées à la sécurité, nous avons dans un premier temps analysé l’incidence de cette absence de lumière naturelle sur l’expérience de travail et sur la santé et le bien-être des AC. Nous avons ensuite examiné les mesures alternatives permettant de répondre aux enjeux de sécurité en ayant recours à des sources excessives de lumière. Ces deux aspects nous permettent de reconnaître l’existence d’un problème de lumière propre au milieu carcéral. Bien que l’accès à la lumière naturelle soit strictement contrôlé, on constate néanmoins que la lumière constitue, par nature, un aspect particulièrement difficile à réguler en milieu carcéral. Les résultats de cette étude permettent de mettre en évidence les problèmes liés à la diffusion de la lumière dans l’espace carcéral et de souligner les effets pervers de l’environnement carcéral sur les conditions de soins. Nous concluons cet article en énonçant des recommandations concernant les aménagements de la lumière et l’amélioration des conditions dans lesquelles se retrouvent les AC et les prisonniers.
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 | 0.006 | 0.005 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| 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".