Les infortunes de l’autisme en droit criminel
Bibliographic record
Abstract
Les infortunes de l’autisme en droit criminel offre un nouvel éclairage sur la transition en cours de l’institution pénale contemporaine d’une fonction essentiellement symbolique vers la gestion effective des risques dans la société. C’est en juxtaposant, sur la même carte, ces pratiques – la déclaration de responsabilité criminelle des accusés atteints de troubles mentaux, les nouvelles infractions préventives et les nouvelles pratiques en matière de peine – que cette transformation fonctionnelle est la plus appréciable. Afin d’illustrer l’implication de ces pratiques sur la fonction poursuivie par l’institution pénale, l’auteur propose de parcourir le circuit pénal réservé aux personnes autistes, de la commission du crime jusqu’à l’expérience de la peine. Il montre que leur incorporation dans la logique pénale résulte essentiellement de l’attrait « utile » de la peine, au prix même de la déformation de nos principes fondamentaux de justice. Ce livre s’adresse à tous les acteurs juridiques, parajuridiques, communautaires et cliniques qui seront confrontés – et ce, de plus en plus souvent – aux dilemmes complexes posés par la criminalisation et la punition des personnes autistes. Il offre une première analyse critique et exhaustive de la jurisprudence concernant la responsabilité criminelle et la peine des personnes autistes au Canada, s’appuyant sur les plus récents ouvrages cliniques sur le sujet.
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 | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".