MétaCan
Menu
Retour à la cohorte
Enregistrement W2636835669 · doi:10.3138/cart.52.2.5101

Public Crime Mapping in Canada: Interpreting RAIDS Online

2017· article· en· W2636835669 sur OpenAlexaffvenueabout
Alexander Eikelboom, Elysia Martini, Luisa Ruiz, Alison D. St. Pierre, Ali S. Tejani

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensMcMaster University
Organismes subventionnairesDivision of Undergraduate Education
Mots-clésField (mathematics)PerceptionFear of crimeCrime analysisCriminologyDigital mappingCrime preventionPublic relationsGeographyCartographyData sciencePolitical scienceSociologyPsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

The capacity for the mapping of crime data has shifted to the digital world, allowing online public crime mapping and the dissemination of information to a broader audience. While the field of critical cartography has questioned the elements and underlying assumptions of various map types, public crime mapping has not been analyzed in the same manner. Through analysis of the design choices and omissions in online public crime maps that pertain to Hamilton, ON and London, ON, the concepts of critical cartography are applied to the largely ignored field of crime maps. While the existence of online public crime maps can potentially facilitate data sharing and analysis to better allow police forces to reduce the incidence of crime, there are also consequences of maps presenting incomplete or inaccurate information to their audiences, as was found to be the case for both cities that were analyzed. These consequences include effects on the public perception of crime, changing attitudes toward crime-induced fear, and negative implications for economic development in areas that might be seen as too high-risk.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
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 enseignants0,524
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,000
Communication savante0,0020,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,051
Tête enseignante GPT0,327
Écart entre enseignants0,276 · 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

Citations4
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetGeographic Information Systems StudiesTravaux en français237 207