Analyse des facteurs déterminants de la peine selon les juges pour les cas de pornographie juvénile au Canada
Bibliographic record
Abstract
La détermination de la peine par les juges est un processus complexe. Les circonstances aggravantes et atténuantes reliées à l’infraction et à l’accusé influencent la peine imposée. L’inclusion de certaines considérations légales est également nécessaire dans l’évaluation de la sentence. En effet, l’instauration de peines minimales obligatoires peut impacter la sévérité des peines imposées par les juges à travers le temps. Nous discuterons de la détermination de la peine d’une infraction particulière afin d’analyser et de comprendre plus en profondeur les facteurs qui la composent. Une infraction qui a largement pris de l’ampleur dans les deux dernières décennies est la pornographie juvénile (PJ). Cette infraction numérique a d’ailleurs subi des transformations au niveau légal, technologique et social. Cette étude vise à comprendre le processus décisionnel des juges lors de la détermination de la peine dans les cas de PJ au Canada. Il s’agit d’effectuer une analyse des circonstances légales et pénales sur lesquelles ils se basent. L’échantillon est formé de 168 jugements écrits et disponibles en accès libre faisant mention des sentences imposées par les juges pour des infractions de possession et/ou d’accès de PJ commises entre 1999 et 2019. Les différentes analyses effectuées permettent de constater une certaine variation de la sévérité des peines d’emprisonnement à travers les années. L’ajout des peines minimales obligatoires a fortement influencé cette variation. Mis à part cet ajustement, les résultats suggèrent que des circonstances mentionnées par les juges sont prises en compte lors de la détermination de la peine. Or, on remarque que la majorité des facteurs atténuants ne font pas varier la peine de prison imposée, à l’exception de la présence d’un support familial/amical chez le délinquant. Des facteurs aggravants sont considérés par les juges lors de la détermination de la peine, tel que le nombre de vidéos saisis, la présence d'antécédents judiciaires, l'investissement personnel du délinquant dans sa collection de PJ ainsi que l’absence de remords. Cette étude offre la première évaluation des facteurs déterminants de la peine des accusés de pornographie juvénile au Canada.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".