MétaCan
Menu
Retour à la cohorte
Enregistrement W2774775880 · doi:10.1093/police/pax091

Do We Need to Know Each Other? Bridging the Gap Between the University and the Professional Field

2017· article· en· W2774775880 sur OpenAlexaff
Simon Baechler

Notice bibliographique

RevuePolicing A Journal of Policy and Practice · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésBridging (networking)SociologyPublic relationsPerspective (graphical)Field (mathematics)Criminal justiceEngineering ethicsProfessional developmentPosition (finance)Political sciencePedagogyCriminologyEngineeringComputer scienceBusinessComputer security

Résumé

récupéré en direct d'OpenAlex

The university and the policing professional field are commonly viewed as separate worlds that have trouble working together, each with their own objectives, values, methods, and processes. It is argued that they need to know each other better and to collaborate for the best of education, professional practice, and research. To achieve this, crime, security, and policing, rather than technology, have to be recognized as a common object of interest. In this perspective, the article describes the specific position and culture of the School of Criminal Justice of the University of Lausanne, Switzerland, in terms of proximity with policing organizations. It details the means developed over a century to build strong and fruitful relationships, such as shared PhD-professional positions, continuous education and training courses, collaborative student projects, or community-building initiatives. The advantages of such a close relationship, potential risks and limitations attached to it are discussed. The article advocates putting science and problem-solving at the crossroads of both worlds, and calls for an open-minded and optimistic approach of relationships between policing organizations and the university.

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)0,029
score de la tête « metaresearch » (Gemma)0,058
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,152

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,058
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0290,054
Communication savante0,0300,048
Science ouverte0,0030,031
Intégrité de la recherche0,0100,015
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,099
Tête enseignante GPT0,454
Écart entre enseignants0,355 · 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'étudeQualitatif
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

Citations15
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicing A Journal of Policy and PracticeMême sujetCrime Patterns and InterventionsTravaux en français237 207