MétaCan
Menu
Retour à la cohorte
Enregistrement W2763175969 · doi:10.1177/1362480617733727

Constraints on the growth of private policing: A comparative international analysis

2017· article· en· W2763175969 sur OpenAlexaff
Anne‐Marie Singh, Matthew Light

Notice bibliographique

RevueTheoretical Criminology · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime, Illicit Activities, and Governance
Établissements canadiensUniversity of TorontoToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésAuthoritarianismPrivate securityDeveloping countryDemocracyIdeologyPolitical economyOrganised crimeDeveloped countryDevelopment economicsPolitical scienceEconomicsEconomic growthSociologyPublic administrationPoliticsLaw

Résumé

récupéré en direct d'OpenAlex

While much has been written on private security expansion in a few English-speaking industrialized democracies, less is known about why the industry does not develop uniformly around the world. We propose some hypotheses about constraints on private security growth in other settings, based on three comparative case studies in authoritarian states (Russia and Georgia), developing countries (Guyana and Trinidad) and non-‘Anglosphere’ industrialized democracies (continental Europe). In authoritarian states, private policing is more politically sensitive than in democratic states, sometimes resulting in more draconian restrictions on it. In developing societies, despite widespread fear of crime, potential consumers sometimes favour in-house measures over private security firms and electronic devices. In developed democracies, variation in private security growth reflects regulatory, institutional and ideological differences between the Anglosphere and continental Europe. We conclude that constraints on the private security industry’s growth potential are more significant than many scholars have acknowledged.

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)0,004
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 enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,007
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 GPT0,381
Écart entre enseignants0,255 · 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

Citations14
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheoretical CriminologyMême sujetCrime, Illicit Activities, and GovernanceTravaux en français237 207