Les dynamiques spatiales de la justice au sein du gouvernement de Montréal : analyse spatiale du recours à la justice criminelle entre parties civiles et militaires dans le fonds d’archives de la Juridiction royale de Montréal, 1740-1755
Bibliographic record
Abstract
Depuis maintenant plus de deux décennies, les systèmes d’informations géographiques (SIG) ont fait leur introduction au sein des divers champs d’études historiques. Cet outil d’analyse géospatiale — certains chercheurs parlent même d’une nouvelle méthode d’analyse — a fortement changé le rapport des historiens à l’étude des espaces géographiques. Pourtant, le champ de l’histoire de la justice, un champ fondamentalement spatial, n’a pas connu la même effervescence pour l’étude de la spatialité que certaines disciplines voisines. Ce mémoire vise à y remédier en dressant un portrait d’ensemble de la répartition spatiale des causes criminelles et militaires rapportées en justice royale dans le gouvernement de Montréal entre les années 1740 et 1755. À travers l’analyse géospatiale des lieux de résidence des justiciables et des lieux de criminalité rapportés, nous sommes en mesure d’offrir des réponses à la question suivante : comment le recours à la justice criminelle se déploie spatialement sur le territoire du gouvernement de Montréal? Histoire de la justice et géographie historique sont ainsi au coeur de ce travail de recherche qui s’inspire à la fois des travaux historiques sur la justice criminelle et de ceux issus du tournant spatial qui s’intéressent à Montréal et à la Nouvelle-France. Ce travail fait utilisation de nombreux logiciels connus des humanités numériques, notamment des logiciels SIG qui facilitent la mise en place de la cartographie et l’analyse géospatiale subséquente. Ce mémoire est donc soutenu par un nombre considérable de cartes représentant les lieux de résidence des justiciables, les lieux de criminalité rapportés, ainsi que plusieurs autres éléments spatiaux de la justice royale à Montréal.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.011 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".