Dissuasion et sécurité routière : une évaluation de l'impact des contrôles pénaux sur le bilan routier
Bibliographic record
Abstract
3.2.1.Qualité des routes 45 3.2.2.Conditions routières 46 4. Problématique 49 4.1.Limites des recherches évaluatives 49 4.2.Dissuasion générale: de la conceptualisation à Fopérationnalisation .... 50 vi' 4.3.Type de relation entre la certitude de la peine et les taux de criminalité 52 4.4.Effet des contrôles pénaux par rapport aux autres facteurs 55 5. Organisation des articles 58 Chapitre fi: Assessing the capabitity of intensive police programs to prevent severe rond accident: A systematic review .61 xii Contribution aux articles Les articles de la thèse furent rédigés par le doctorant bien que les noms des directeurs y apparaissent.Au départ, Benoît Dupont a supervisé la rédaction du chapitre II.Il a relu la première version et a fait certaines suggestions, Toutefois, la problématique, la démarche méthodologique, l'analyse des données et l'interprétation des résultats sont le fruit du thésard.De plus, les corrections demandées par les membres du jury et le British Journal ofCriminology furent apportées.Marc Ouimet s'est principalement attardé aux chapitres III et W. Les analyses portaient sur des séries chronologiques et des données spatiales.Marc Ouimet a examiné les articles en raison de ses connaissances en méthodes quantitatives.Ses suggestions furent intégrées aux articles.Néanmoins, la rédaction des articles est le travail de l'étudiant.Suite à l'évaluation de la thèse, l'étudiant a également tenu compte des commentaires des membres du jury.Pierre Tremblay a également relu le chapitre W et a suggéré des lectwes à l'étudiant.Au besoin, certains éléments des textes furent intégrés.Pour terminer, le projet de thèse fat élaboré par l'étudiant.II ne s'agit pas du projet d'un des directeurs.Les noms des directeurs apparaissent également sur les articles en guise de remercîement pour avoir dirigé l'étudiant.Tous conviendront pour dire que la thèse est nul autre que l'ouvrage d'Étienne Biais.xlii Remerciements Premièrement, je désire remercier mes directeurs Marc Ouimet et Benoît Dupont.Sous votre supervision, j'ai pu développer particulièrement mon autonomie en recherche et mon sens critique.Je tiens également à remercier Jean-Luc Bacher et Jean Prouix, deux professeurs avec qui j' ai eu le privilège de collaborer sur plusieurs projets.Ces précieuses collaborations m'ont permis d'élargir mes connaissances en criminologies et d'améliorer mes aptitudes en recherche.Je remercie aussi Maurice Cusson pour ces précisions sur la théorie de la dissuasion et Pjerre Tremblay pour ces commentaires sur le chapitre W. Je remercie également ma famille et spécialement ma conjointe qui s'est montrée très compréhensible envers un père qui devait souvent s' absenter pour travailler sur sa thèse.Je tiens aussi à remercier les personnes suivantes Miguel Chagnon du département de statistiques pour ses conseils, Lyne Vézina et son équipe à la Société de l'assurance automobile du Québec qui m'ont fourni plusieurs données, ma tante Luce, mon oncle Biil et mon ami Carlo qui ont révisé mes articles écrits en anglais.De plus, je dois souligner la contribution de l'examinateur externe, monsieur Guy Paquette, Vous avez consacré plusieurs heures à la correction de la première version du manuscrit.Vos commentaires et les lectures suggérées ont largement contribué à améliorer la thèse.Finalement, j'aimerais remercier d'autres personnes qui ne sont pas associées au milieu académique.Ces remerciements s'adressent spécialement à mes amis amateurs de vins avec qui j'ai eu la chance de passer des moments inoubliables.Que d'émotion lors de « la fameuse grande dégustation » !Romanée-Conti, Sassicaia, Solaia, Opus One, Lafite, Masseto, Leoville Las-Cases, et Yquem, j'en rêve encore.Je remercie aussi les athlètes exceptionnels avec qui j'ai eu le privilège de m'entraîner.On dit souvent: un corps sain dans un esprit sain; j'adhère à ce principe.Toutes ces années d'entraînement en arts martiaux m'ont xiv permis de développer ma patience, ma discipline et ma persévérance.J' espère vous revoir sous peu pour vous exprimer toute ma gratitude.En dernier lieu, je remercie mes groupes musicaux préférés: Cradie of Filth, Dimmu Borgir, h-on Maiden et j'en passe.Je vous écoute tous les jours et cela rend le travail plus agréable et plus stimulant.Merci aussi à ceux que j'ai oubliés, je vous suis éternellement reconnaissant.Merci t Ce n'est pas quand elle est sale que celui qui accède à la connaissance répugne à descendre dans l'eau de la vérité, c'est quand elle est peu profonde (Nietzsche, F. Ainsi partait Zarathoustra).
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 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.026 | 0.002 |
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".