MétaCan
Menu
Retour à la cohorte
Enregistrement W2113124993 · doi:10.7202/004759ar

Trajets urbains et risques de victimisation : les sites de transit et le cas du métro de Montréal

2002· article· fr· W2113124993 sur OpenAlexaffvenueabout
Marc Ouimet, Pierre Tremblay

Notice bibliographique

RevueCriminologie · 2002
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceVictimisationPoison controlArtInjury preventionMedicine

Résumé

récupéré en direct d'OpenAlex

Les acteurs urbains sont généralement en mouvement et cessent de l'être seulement lorsque leurs activités exigent d'eux qu'ils demeurent stationnaires pour un intervalle de temps limité. Leurs parcours, composé de sommets (destinations) reliés entre eux par des chemins, forme un circuit, chaque trajectoire ramenant le plus souvent la personne qui se déplace à son point d'origine. Nous analysons la distribution des probabilités individuelles de victimisation personnelle associées aux diverses destinations qui définissent ce parcours (lieux de magasinage, de loisir, de vie domestique et de travail) et ses lieux intercalaires de transit (« la rue », le métro et les autobus). Cette analyse, basée sur les délits rapportés à la police à Montréal en 1995, prend en considération la distribution de la densité, variable selon les sites urbains, des occasions de contacts interpersonnels et propose une évaluation des risques individuels de victimisation auxquels sont exposés les usagers du métro.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,555
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,357
Tête enseignante GPT0,402
Écart entre enseignants0,045 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2002
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCriminologieMême sujetCrime Patterns and InterventionsTravaux en français237 207