Le traitement judiciaire des femmes au Canada : une analyse des disparités liées au genre dans le processus pénal
Bibliographic record
Abstract
Au cours des dernières années, plusieurs réformes pénales ont été implantées, surtout aux États-Unis, dans l’objectif d’uniformiser les pratiques des tribunaux. Alors que ces nouvelles mesures devaient empêcher l’apparition d’écarts injustifiés basés sur les caractéristiques individuelles des justiciables, les chercheurs s’entendent encore aujourd’hui pour dire que des variations liées au genre existent toujours à travers les décisions judiciaires. Les femmes feraient généralement l’objet d’un traitement plus clément, notamment à l’étape de la détermination de la peine. Cependant, très peu de cet intérêt scientifique s’est concentré sur le contexte pénal canadien. Ainsi, l’objectif général de cette étude est de vérifier si le genre influence les décisions des tribunaux criminels canadiens. Plus spécifiquement, les analyses permettent d’évaluer comment le traitement judiciaire varie selon le genre du justiciable à quatre étapes du processus judiciaire : la détention provisoire, la poursuite des accusations, le verdict de culpabilité ainsi que la détermination de la peine. Pour ce faire, les données administratives de l’Enquête intégrée sur les tribunaux de juridiction criminelle (EITJC) sont examinées. Elles comprennent plus de trois millions d’accusations criminelles portées contre des adultes de 18 à 98 ans à travers le Canada, de 2007 à 2016 inclusivement. L’effet du genre est mesuré à l’aide de régressions multiples et logistiques, en contrôlant pour divers facteurs tels que les antécédents criminels et le type d’infraction. Les analyses révèlent que le genre a un effet significatif sur l’ensemble des décisions étudiées. De manière générale, une plus grande clémence est accordée aux femmes dans le processus judiciaire canadien, celles-ci ayant plus de probabilités d’obtenir une décision moins sévère que les hommes à toutes les étapes analysées. Cependant, comme les disparités liées au genre pourraient s’expliquer par des facteurs qui n’ont pas été inclus dans les modèles prédictifs, les résultats présentent certaines limites. La question entourant la légitimité du traitement différentiel des femmes lors de leur passage en justice demande à être explorer plus en profondeur.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.009 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| 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".