La mise en liberté sous condition provinciale : une analyse des pratiques des commissaires
Bibliographic record
Abstract
Chaque année, au Québec, les commissaires de la Commissaire québécoise des libérations conditionnelles doivent rendre des milliers de décisions concernant la mise en liberté sous condition des personnes contrevenantes purgeant une peine d’emprisonnement de six mois à deux ans moins un jour. Les finalités de la libération conditionnelle sont aujourd’hui la réhabilitation, c’est-à-dire que le délinquant soit réformé et réintégré à la société, ainsi que la gestion des risques que représentent les justiciables. Ce mémoire avait pour objectif d’analyser les pratiques des commissaires de la Commission québécoise des libérations conditionnelles dans un contexte où l’idéal de protection de la société par l’intermédiaire de la gestion des risques que représente un individu occupe une place centrale dans le système pénal. Pour ce faire, des entrevues semi-dirigées menées auprès de 11 commissaires de la Commission québécoise des libérations conditionnelles, hommes et femmes, ainsi que l’analyse de trente décisions écrites ont été réalisées. L’analyse a fait ressortir que les commissaires entretiennent plusieurs attentes à l’égard du plan de sortie et des caractéristiques que doivent posséder les candidats « idéaux ». Le projet doit être adapté aux besoins et au risque de la personne incarcérée estimés par les commissaires, offrir un encadrement, une intervention et du soutien, favoriser la réinsertion sociale et le justiciable doit s’approprier le plan de sortie. De plus, les commissaires portent une attention particulière au profil du demandeur. En ce sens, la personne qui sollicite une sortie anticipée doit être considérée comme ayant un bon potentiel de réinsertion sociale. Les décideurs vont également examiner l’historique judiciaire et correctionnel pour évaluer si le contrevenant est un « bon » candidat.
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 | 0.001 | 0.003 |
| Science and technology studies | 0.013 | 0.005 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".