‘Hotspots’ for aggression in licensed drinking venues
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: In order to better understand the social context of barroom aggression, the aim was to identify common locations ('hotspots') for aggression in bars and examine the association of hotspots with aggression severity and environmental characteristics. DESIGN AND METHODS: Aggression hotspots were identified using narrative descriptions and data recorded on premises' floor plans for 1057 incidents of aggression collected in the Safer Bars evaluation. Hierarchical Linear Modelling was used to identify bar-level and night-level characteristics associated with each hotspot. RESULTS: The most common location for aggression was the dance floor (20.0% of incidents) or near the dance floor (11.5%), followed by near the serving bar (15.7%), at tables (13.1%), aisles, hallways and other areas of movement (6.2%), entrance (4.5%) and the pool playing area (4.1%). Hotspots were predicted mainly by bar-level characteristics, with dance floor aggression associated with crowded bars, a high proportion of female and young patrons, lots of sexual activity, a large number of patrons and staff, security staff present, better monitoring and coordination by staff, and people hanging around at closing. Incidents at tables and pool tables tended to occur in bars with the opposite characteristics. Nightly variations in patron intoxication and rowdiness were associated with aggression at tables while variations in crowding and sexual activity were associated with aggression in areas of movement. Incidents outside tended to be more severe. DISCUSSION AND CONCLUSIONS: Each aggression location and their associated environments have somewhat different implications for staff training, premises design, policy and prevention.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle