Potentiel des concordances ADN dans les affairescriminelles pour générer du renseignement sur lesréseaux de co-délinquance et les inconnus
Bibliographic record
Abstract
Quelques mots ici pour remercier les nombreuses personnes qui m'ont épaulé dans ce projet.En tout premier lieu, Emmanuel Milot, mon directeur à l'UQTR, qui a su donner au départ l'inspiration et par la suite le support nécessaire au projet.La confiance et le respect que je te portais ont été pour moi déterminants pour accéder à l'élaboration d'un projet de recherche, une aventure, alors que j'étais au seuil de la retraite.Merci aussi de ta confiance dans ce contexte particulier qui pouvait facilement être hasardeux.À feu Carlo Morselli qui lui aussi, à titre de co-directeur avait cru, aux premières heures, à la pertinence de cette étude.C'était clair au départ qu'il n'était pas des plus enthousiastes à voir débarquer un retraité d'expérience en science judiciaire, déguisé en étudiant.Il a su prendre le temps d'écouter mes arguments, jauger ma passion, pour au final accepter d'épauler le projet.Par la suite, son encouragement et son expérience des réseaux criminels ont été mis à contribution dans la mise en place du projet et tout au long de ces deux premières années avant son départ hâtif.Nul doute qu'il aurait aimé voir l'aboutissement de ce projet.À Rémi Boivin, avec qui j'ai eu de nombreuses rencontres et conversations, au fil de mes séjours précovid au CICC, et qui ont été des plus enrichissantes pour mon cheminement vers la criminologie.Rémi a aimé dès le départ l'essence du projet et moi ses connaissances de criminologue.Par la suite, comme second co-directeur, tu as su respecter le cap et poursuivre avec tes conseils comme tu l'avais fait dès mes premiers jours à l'Université de Montréal.Les encouragements, les conseils et le support sont parfois aussi venus d'autres professeurs et collaborateurs.Je pense particulièrement ici à Franck Crispino, Simon Baechler, Cyril Muehlethaler, Liv Cadola, Amy Gignac au laboratoire et Céline Van Themsche à la direction pour ce qui est de l'UQTR et à David Décary-Hétu, Frédérick Ouellet, Samuel Tanner et Maurice Cusson ainsi qu'à Geneviève Riou au secrétariat au CICC.Les nombreux étudiants et stagiaires postdoctoraux de l'UQTR et du CICC ont aussi été par leurs conseils et leur présence des collaborateurs inspirants.Je pense en autres à
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 | 0.012 | 0.066 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".