Structure or Behavior? Revisiting Gang Typologies
Notice bibliographique
Résumé
Typically, the development of gang typologies have used either behaviorally based or structurally based characteristics to develop a classification system of gangs. The current study aims to assess the results of typologies approached from both angles, drawing from the same data source. It also examines whether using a combination of both approaches would prove to be useful. A separate but related aim of this study is to examine the boundaries between self-identified group members and gang members, especially on structural and behavioral characteristics. A hierarchical cluster analysis approach is used to group participants on both behavioral and structural measures using a sample of self-identified gang members ( n = 44) and delinquent group members ( n = 171). A number of important findings emerged from this analysis. First, the “types” of gangs and groups found were not differentiated based on membership status. Second, patterns found strongly depended on the chosen approach (behavioral or structural), but neither proved to be clearly superior. Instead, the choice between the two depend on the interest of the researcher. Finally, using a mixed approach appears to produce the most accurate picture and it does help differentiate between gang and group members more clearly. Yet, a much more complex picture of gangs and groups emerge, which suggests that a purely behavioral or structural classification may sometimes lead to oversimplification and misdirected policy interventions.
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 | 0,019 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,013 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».