Effets préventifs et dissuasifs : analyse d’impact d’une opération policière de prévention des cambriolages 1
Notice bibliographique
Résumé
Cette recherche tente de développer une méthodologie évaluative destinée à départager et à comprendre la part relative des effets préventifs et dissuasifs induits par les interventions policières de prévention. Nos conclusions suggèrent que la forte baisse des cambriolages observée à la suite de la mise en place d’une opération de prévention à Boucherville (en banlieue de Montréal) est en partie imputable à une série d’arrestations ciblées de délinquants particulièrement actifs, arrestations effectuées de manière concomitante à l’implantation du projet. Plutôt que de recourir à une mesure nominale d’impact (absence/présence), nous avons utilisé une mesure continue de la force des interventions pour chaque mois. Bien que la première constitue la norme en évaluation, nos analyses démontrent qu’une mesure nominale surestime largement les effets d’une intervention. Une modélisation précise des variations chronologiques d’un processus récurrent comme la criminalité a également permis de saisir la double relation entre l’augmentation du crime, la mise en place des réponses au crime et leur impact sur les crimes subséquents. Ainsi, nous proposons un design qui considère la possibilité d’impacts différés en séquence. L’utilisation de corrélations différées a permis de déterminer le «moment optimal» où une intervention exerce son impact, tout en clarifiant les raisons pour lesquelles cette intervention exerce cet effet à tel moment plutôt qu’à tel autre.
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 | 0,016 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».