Coopération policière international: Le cas du Canada contre le MS-13
Bibliographic record
Abstract
Dans le contexte mondial actuel, les menaces « traditionnelles » à la sécurité des États exercent une pression de moins en moins importante et laissent place à de nouvelles possibilités. Les nouvelles menaces émergeantes sont beaucoup plus difficiles à combattre puisqu’elles proviennent de l’intérieur même des États et qu’elles ont des ramifications dans plus d’un État à la fois. Aussi, les changements apportés aux structures de gouvernance modernes ont également un impact sur la manière dont les États gèrent les questions de sécurité ainsi que sur leur manière d’interagir. Dans le cadre de ce mémoire, nous tenterons d’observer l’évolution de la coopération policière internationale de même que son application actuelle. Nous tenterons de déterminer si des structures de coopération plus formelles se développent. Dans le but de donner un aspect plus tangible à notre analyse, nous ferons une étude de cas de la réponse canadienne à la montée en importance de la criminalité transnationale avec l’exemple du groupe Mara-Salvatrucha dans le continent américain. De cette façon, nous espérons non seulement arriver à comprendre les changements qui se sont opérés dans la façon dont les États doivent s’attaquer aux nouvelles menaces émergeantes, mais surtout à comprendre comment ces changements affectent la dynamique de coopération internationale dans le domaine policier afin d’avoir un portrait plus complet pour réfléchir à de nouvelles possibilités.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.024 | 0.006 |
| Scholarly communication | 0.012 | 0.002 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.016 | 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".