Chinese immigrants' perceptions of the police in Toronto, Canada
Notice bibliographique
Résumé
Purpose The purpose of this paper is to assess empirically Chinese immigrants' perceptions of the police in Toronto, Canada. Design/methodology/approach Data were analyzed based on 293 surveys conducted with Chinese immigrants who participated in various community service organizations in Toronto, Canada, between March and May 2005. Ordinary least squares and ordered logit regressions are used for the analysis. Findings The paper shows that individuals who had previous contact with police rated police less favorably than those who had not had contact with police in the past. In general, people who rated police as helpful when they called them for assistance expressed a higher degree of respect for police. In addition, poor communication was a significant predictor of Chinese immigrants' perception of police prejudice. Finally, a majority of respondents expressed the concern that more bilingual police were needed in the city. Research limitations/implications As with any study utilizing a non‐probability sample, care must be taken to avoid generalizing the findings to all Chinese immigrants in Toronto. Since the sample was taken from participants of various community service organizations in Toronto, the findings may not be appropriate to generalize to the other constituencies in the Chinese community, such as young people. Practical implications The paper highlights the need for improving the quality of police services, recruiting more bilingual officers (or officers from their communities), strengthening police training in racial and cultural diversity, and reducing communication barriers to improve Chinese immigrants' evaluations of the police. Originality/value This research is the first to specifically examine Chinese communities' perceptions of law enforcement in Canada. Law enforcement can utilize these findings to improve their services and address the Chinese community's concerns; not only can this promote the police‐citizens relationship, but it can also encourage the Chinese community's participation in a crime reduction partnership.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».