MétaCan
Menu
Retour à la cohorte
Enregistrement W2148647302 · doi:10.7202/017398ar

Étude de certains déterminants des incendies volontaires à Montréal

2005· article· en· W2148647302 sur OpenAlexaffvenueabout
Luc Vallée, Stéphane Dupuis

Notice bibliographique

RevueCriminologie · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésArsonUnemploymentSocioeconomic statusActuarial scienceUnemployment rateBankruptcyDemographic economicsEconomicsDemographyFinancePsychologyEconomic growthSociologyCriminology

Résumé

récupéré en direct d'OpenAlex

Research into the determining factors in arson cases has traditionally focused on factors linked to the characteristics of the burned building. One of our basic hypotheses is that deliberately set fires also have an underlying economic motivation. In this case, the present study confirms the hypothesis that there appears to be an indisputable link between the unemployment rate and mortgage burdens and arson rates, regardless of the phase of the economic cycle in which the arson occurs. Moreover, the study corroborates the idea that increased surveillance is necessary in areas presenting a higher risk of fraud and having a specific socioeconomic and financial profile. A lower incidence of arson and the improvement of insurers ' ability to predict losses due to arson could lead to a significant reduction in the number of claims, and consequently, in the amount of premiums. By looking more specifically at the economic motivations influencing arson throughout the different phases of the economic cycle, this study evokes the establisment of a forecasting system that would allow insurance companies to identify the areas of Montreal that present a higher risk level for arson, thus allowing them to establish their rates in a more equitable manner.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,155
Score d'incertitude au seuil0,312

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,126
Tête enseignante GPT0,308
Écart entre enseignants0,182 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2005
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCriminologieMême sujetTraffic and Road SafetyTravaux en français237 207