Profiling a problem in Canadian police leadership: the Kingston Police data collection project
Notice bibliographique
Résumé
Abstract: Following a series of events that highlighted the need for action on the part of the Kingston Police to address perceptions of racially‐biased policing, a data collection project was inaugurated with the assistance of a criminologist from the Centre of Criminology, University of Toronto, to specifically quantify the racial and/or ethnic origin of all individuals stopped by Kingston Police officers in “non‐casual” situations. This article traces the “precipitating events” that led to this project, the definitions relevant to racially‐biased policing, racial profiling, and bias‐free policing, as well as providing some background on current research and practice in these areas in Great Britain and the United States. There is a consideration of the context within the Kingston Police data collection project operated, including previous commissions of inquiry in Ontario that made recommendations in support of such practices, and recent testimony before the Senate Special Committee on the Antiterrorism Act which involved an examination of matters pertaining to racial profiling. The article challenges Canadian police leaders to consider the value of replicating the Kingston Police data collection and offers some insights derived from being the first police service in Canada to undertake such an initiative. Sommaire: À la suite d'une série d‘événements qui ont souligné le besoin d'agir de la part de la police de Kingston pour répondre aux perceptions de préjugés fondés sur une politique d'inégalité raciale, un projet de collecte de données a été inauguré avec l'assistance d'un criminologiste du Centre de criminologie de l'Université de Toronto pour évaluer avec précision l'origine raciale ou ethnique de toutes les personnes arrêtées par les agents de la police de Kingston dans des situations “non occasionnelles”. Cet article retrace les événements qui ont “précipité ce projet, les définitions pertinentes aux préjugés racistes dans les forces de police, le profilage racial, les services de police impartiaux, et il fournit aussi des informations de base sur la recherche et la pratique actuelles dans ces domaines en Grande‐Bretagne et aux États‐Unis. L'article étudie également le contexte dans lequel le projet de collecte de données de la police de Kingston a fonctionné, y compris les commissions d'enquête menées précédemment en Ontario présentant des recommandations en faveur de telles pratiques, et les témoignages déposés récemment devant le Comité spécial du Sénat sur la Loi contre le terrorisme qui ont comporté un examen des questions pertinentes au profilage racial. L'article met les leaders de la police canadienne au défi d'examiner si cela vaut la peine de reproduire la collecte de données de la police de Kingston et présente aussi des réflexions sur cette initiative qui fut une première dans les services de police au Canada.
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 | 0,042 | 0,095 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,023 |
| Études des sciences et des technologies | 0,031 | 0,006 |
| Communication savante | 0,009 | 0,002 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».