A Policy of Walls : Contrag Décisions to Prison Expansion and Penal Policies in Canada and France (1980-2005)
Bibliographic record
Abstract
Qu'est-ce qui amène un pays, à un moment donné de son histoire, à faire le choix d'augmenter la taille de son parc pénitentiaire, de mener une « politique des murs » ? Pour répondre à cette question, nous comparons deux pays qui ont suivi des voies différentes : le Canada et la France. S'il a souvent été affirmé dans la littérature des sciences sociales que la décision de construire des prisons relevait de circonstances politiques, peu de travaux l'ont prouvé, et notre thèse entend commencer à combler cette lacune. En nous appuyant sur la sociologie de la décision, nous avons analysé les structures qui donnent naissance aux réformes touchant à la prison, l'action des acteurs impliqués, leur participation à l'élaboration de référentiels de politique pénale, et la façon dont s'organisait la circulation des idées dans les milieux décisionnels. Combinant observation des chiffres des prisons, travail archivistique, consultation de la littérature grise de la politique pénale de 1980 à 2005, et entretiens semi-directifs auprès de responsables politico-administratifs des deux pays (et à plusieurs niveaux de gouvernement dans le cas du Canada), nous avons cherché à expliciter les représentations qui guidaient les acteurs dans la définition du contenu programmatique d'une politique pénale. Le type de problème sélectionné par les responsables politico-administratifs, la place de la sécurité à l'agenda politique, et la participation d'administrateurs dénués de préoccupations électoralistes à la formulation des énoncés de solution sont les principaux facteurs explicatifs de la taille du parc carcéral. In fine, la composition des milieux décisionnels, de même que la propension des élites à intégrer d'autres catégories d'acteurs (groupes d'intérêts, consultants et universitaires) suffisamment institutionnalisées pour influencer l'élaboration des référentiels d'action publique, auront permis d'expliquer les écarts dans les politiques de construction menées dans les deux pays.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".