How far are we willing to go? : transition, resistance, and adaptation in Ontario’s criminal courts during the COVID-19 pandemic
Bibliographic record
Abstract
Le Canada a connu des changements importants pendant la pandémie de COVID-19. Les tribunaux criminels n’ont pas fait exception puisqu’ils ont dû fermer leurs portes et reprendre leur travail au compte-goutte. Il s’agissait d’un changement opérationnel sans précédent qui a nécessité plusieurs ajustements. Compte tenu de la nouveauté de cette pandémie au Canada, on trouve peu de recherches empiriques sur ses impacts sur les tribunaux. Pour combler cette lacune, j’ai cherché à répondre à la question suivante : Comment les tribunaux criminels de l’Ontario ont-ils adapté leurs pratiques judiciaires pour faire face à la pandémie COVID-19 ? Cette thèse a utilisé des sources de données à la fois qualitatives et quantitatives. Plus précisément, des observations et des entretiens approfondis avec des avocats et des juges, couplés aux données administratives des tribunaux criminels, ont été utilisés pour explorer la manière dont les pratiques judiciaires ont changé pendant la pandémie. Cette thèse s’intéresse à plusieurs changements tels que la transition vers les comparutions à distance, les modifications dans la prise en charge des dossiers et l'évolution des usages de l'incarcération. Elle s’intéresse aux facteurs qui font que certains changements ont plus de probabilité de perdurer après la pandémie. J’en conclus que des changements dans le système de justice sont possibles, mais qu’ils se heurtent bien souvent à des résistances importantes. Ainsi, un élément clé pour soutenir le changement à long terme dans le système de justice consiste à collaborer et avoir l’appui du personnel de première ligne qui est responsable d’appliquer les changements. Cette thèse permet de mieux comprendre comment le système de justice réagit sous pression, mais elle permet une réflexion plus générale sur les transformations possibles dans le système de justice.
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 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.016 | 0.010 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 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".