Clark (Samuel), Distributing Status: The Evolution of State Honours in Western Europe . Montreal, McGill-Queen’s University Press, 2016, 520 p., $ 49,95.
Bibliographic record
Abstract
ResumeL’usage des banques de données génétiques dans le monde de la police et de la justice connait un développement spectaculaire dans de nombreux pays, notamment en France avec le Fichier national automatisé des empreintes génétiques. Dans ce contexte, cet article analyse les relations entre catégories d’identification d’auteurs et de suspects d’infraction, formes de savoir et rapports de pouvoir inter- et intra-institutionnels liés à cet usage. Notre étude est fondée sur des entretiens semi-directifs approfondis (N = 24), principalement avec des policiers et des gendarmes directement impliqués dans ces pratiques, et sur l’analyse de documents (textes juridiques, rapports ministériels, articles de presse, etc.). Après avoir présenté le contexte technoscientifique et législatif qui préside à ces évolutions, nous montrons d’une part la porosité des catégories d’auteurs d’infraction, de suspects et d’auteurs potentiels, d’autre part la formation de bio-identités de suspects sous diverses formes. Nous montrons également que ces processus s’articulent à quatre logiques : 1) une logique de prévention supposée des infractions par repérage des auteurs le plus tôt possible ; 2) une logique inter-institutionnelle en faveur de la police par rapport à la justice ; 3) une logique intra-institutionnelle liée à la performance ; 4) une logique probabiliste d’élucidation visant à aider les enquêtes policières sur des bases parfois empathiques vis-à-vis des victimes. Ces différentes logiques sont imbriquées et convergent vers une durabilité du soupçon et une inclusion élargie au fichier.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.010 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.008 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.046 | 0.010 |
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".