Criminal achievement and offender self-efficacy
Bibliographic record
Abstract
La notion de réussite criminelle a essentiellement été définie au moyen de l’indicateur objectif des gains monétaires. Si l’idée selon laquelle l’argent est au coeur de la réussite professionnelle fait l’objet d’un large consensus social, il semble improbable que les gains monétaires permettent à eux seuls d’appréhender la réussite. Pour mieux comprendre certaines dimensions des carrières criminelles telles que la persistance et le désistement, il\nparaît utile de se pencher sur la manière dont les criminels définissent leur propre réussite. Il a été établi que l’auto-efficacité, soit la croyance que possède un individu en sa capacité à\naccomplir une tâche, permet de prédire plusieurs dimensions des carrières légitimes. À partir de la théorie sur l’auto-efficacité, ce mémoire examine de quelle manière se forme l’auto-efficacité criminelle. Nous soutenons que les perceptions relatives à la réussite criminelle sont affectées par des facteurs semblables à ceux qui jouent dans le développement de l’auto-efficacité légitime. Nous partons de l’hypothèse que les criminels forgent leur auto-efficacité à partir de quatre sources d’expérience : les réussites personnelles, l’apprentissage vicariant, la persuasion sociale et les états physiologiques. Il est également avancé que certaines caractéristiques individuelles et environnementales ont un impact significatif sur le développement de l’auto-efficacité criminelle. Sur la base d’entrevues auprès de 212 délinquants, nos résultats indiquent que l’auto-efficacité criminelle est une construction complexe fondée sur les caractéristiques individuelles et environnementales, ainsi que sur les expériences criminelles personnelles. Nous discutons de l’impact éventuel de ces conclusions sur l’appréhension de la persévérance et du désistement dans les carrières criminelles.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".