Autorité bienveillante : le travail émotionnel des juges au sein des tribunaux de santé mentale
Bibliographic record
Abstract
Cet article aborde la surreprésentation des personnes ayant des troubles de santé mentale dans le système judiciaire. Pour répondre à cet enjeu, des initiatives de déjudiciarisation, comme les tribunaux de santé mentale, ont été déployées. Ces tribunaux visent à orienter les individus vers des services de soins plutôt qu’à les incarcérer, en reconnaissant l’importance d’offrir des soins à la personne plutôt que de se concentrer uniquement sur les délits. Les tribunaux de santé mentale, tels que les Programmes d’accompagnement justice santé mentale (PAJ-SM) au Québec, cherchent à réduire la récidive en s’appuyant sur la justice thérapeutique. L’article met en lumière le travail émotionnel des juges dans ces tribunaux spécialisés. Contrairement à l’image traditionnelle du ou de la juge impartiale et détachée, les juges des PAJ-SM expriment et gèrent leurs émotions dans le cadre de leurs fonctions. Ils établissent des relations de confiance avec les participants, ce qui favorise un cadre propice à l’établissement d’un climat de soutien. Ce travail émotionnel est essentiel pour créer un environnement où les participants se sentent entendus et valorisés, facilitant ainsi leur engagement dans le programme. Les juges témoignent d’une expérience où la dimension humaine de leur rôle prend le pas sur la seule application de la loi. Leur engagement émotionnel contribue à une transformation de la perception des personnes accusées, qui passent du statut de délinquant à celui de participant nécessitant un soutien thérapeutique. Ce changement semble contribuer à une reconfiguration du système judiciaire, en intégrant davantage des éléments de santé et de services sociaux dans les procédures pénales. En conclusion, cet article ouvre la voie à de nouvelles recherches sur le rôle des émotions dans le fonctionnement des tribunaux de santé mentale.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.017 | 0.019 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.006 |
| 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".