Psychology of Fear, Crime and the Media
Notice bibliographique
Résumé
CONTENTS Acknowledgements ... Introduction ... Section 1 1. Fear of crime as a 'Sponge'. Towards a More Dynamic Understanding of the Relationship Between Generalized Social Attitudes and Fear of Crime ... Stefaan Pleysier and Diederik Cops, 2. Construal Level Theory and Fear of Crime... Ioanna Gouseti and Jonathan Jackson, 3. Madness - Fear and Fascination... Peter Morrall, 4. Media and Fear of Crime: An Integrative Model... Derek Chadee and Mary Chadee, 5. Toward a Social Psychological Understanding of Mass Media and Fear of Crime: More than Random Acts of Senseless Violence... Linda Heath, Alisha Patel and Sana Mulla, 6. Globalization & Media: A Mediator Between Terrorism and Fear A Post 9/11 Perspective ... Sonia Suchday, Amina Benkhoukha and Anthony Section 2 * Fear of Crime from a Multifocal Perspective: From Impersonal Concerns to Crimophobia-based PSDT... Frans Willem Winkel, and Maarten J.J. Kunst, L 8. Cross-cultural examinations of fear of crime: The case of Trinidad and the United States... Jason Young and Danielle Cohen, and Derek Chadee 9. Fear of Gangs: A Summary and Directions for New Research ... Jodi Lane, and James W. Meeker, 10. Mass media, Linguistic Intergroup Bias, and Fear of Crime... Silvia D'Andrea, Michele Roccato, Silvia Russo, and Federica Serafin, 11. Media, Fear of Crime and Punitivity among University Students in Canada and the United States: A Cross-National Comparison... Steven Kohm, Courtney A.Waid-Lindberg, Rhonda R. Dobbs, Michael Weinrath, and Tara O'Connor Shelley, 12. Who's Afraid of the Big Bad Video Game? Media Based Moral Panics... Christopher J. Ferguson, and Kevin M. Beaver, Contributors...
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,001 |
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 ».