Notice bibliographique
Résumé
This Article looks in detail at a very large positive externality which is overlooked in by firearms prohibitionists: the major role that widespread gun ownership plays in reducing the rate of home invasion burglaries (a.k.a. hot burglaries). Because potential burglars cannot tell which homes possess guns, most burglars choose to avoid entry into any occupied home, for fear of getting shot. The entry pattern of American burglars contrasts sharply with that of burglars in other nations; in Canada and Great Britain, burglars prefer to find the residents at home, since alarms will be turned off, and wallets and purses will be available for the taking.Consequently, American homes which do not have guns enjoy significant free rider benefits. Gun owners bear financial and other burdens of gun ownership; but gun-free and gun-owning homes enjoy exactly the same general burglary deterrence effects from widespread American gun ownership. Part II of this Article looks at the differences between the behavior of American burglars and their cousins in other nations. Part III specifies the risks that American burglars face from various deterrents, including armed victims. Part IV details how burglars choose targets, while empirical data about burglary deterrence are analyzed in Part V. Part VI looks at what happens during confrontations between burglars and victims. Part VII compares and contrasts defensive firearms ownership with other anti-burglary strategies, such as guard dogs. Policy implications and network effects of firearms ownership are explored in Part VIII. Available at SSRN: http://ssrn.com/abstract=2594535 Language: en
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».