Bad nights or bad bars? Multi‐level analysis of environmental predictors of aggression in late‐night large‐capacity bars and clubs
Notice bibliographique
Résumé
AIMS: To clarify environmental predictors of bar-room aggression by differentiating relationships due to nightly variations versus across bar variations, frequency versus severity of aggression and patron versus staff aggression. DESIGN, SETTING AND PARTICIPANTS: Male-female pairs of researcher-observers conducted 1334 observations in 118 large capacity (> 300) bars and clubs in Toronto, Canada. MEASUREMENTS: Observers independently rated aspects of the environment (e.g. crowding) at every visit and wrote detailed narratives of each incident of aggression that occurred. Measures of severity of aggression for the visit were calculated by aggregating ratings for each person in aggressive incidents. FINDINGS: Although bivariate analyses confirmed the significance of most environmental predictors of aggression identified in previous research, multivariate analyses identified the following key visit-level predictors (controlling for bar-level relationships): rowdiness/permissive environment and people hanging around after closing predicted both frequency and severity of aggression; sexual activity, contact and competition and people with two or more drinks at closing predicted frequency but not severity of aggression; lack of staff monitoring predicted more severe patron aggression, while having more and better coordinated staff predicted more severe staff aggression. Intoxication of patrons was significantly associated with more frequent and severe patron aggression at the bar level (but not at the visit level) in the multivariate analyses and negatively associated with severity of staff aggression at the visit level. CONCLUSIONS: The results demonstrate clearly the importance of the immediate environment (not just the type of bar or characteristics of usual patrons) and the importance of specific environmental factors, including staff behaviour, in predicting both frequency and severity of aggression.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».