MétaCan
Menu
Retour à la cohorte
Enregistrement W2790105511 · doi:10.3138/cart.53.1.2017-0026

Coopting Cops with Maps: The Rhetorical Power of Cartography in Modern Policing

2018· article· en· W2790105511 sur OpenAlexvenueno aff
William Heiden

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueRhetoric and Communication Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRhetorical questionCredibilityArgument (complex analysis)Police departmentContext (archaeology)Geospatial analysisPower (physics)Crime analysisRhetoricPolitical scienceSociologyCriminologyCartographyLawHistoryGeographyLinguisticsArchaeology

Résumé

récupéré en direct d'OpenAlex

In the 1990s, the New York City Police Department (NYPD) famously implemented a new strategy for reducing crime. Along with a “broken windows” orientation, police leadership used new management principles to analyze crime and direct police force activities, and geospatial software was central to these principles. The use of maps increases the credibility of an argument, but a critical examination of the historical development of policing tactics and the application of rhetorical concepts calls into question the validity of the NYPD's use of mapping in the context of crime reduction. A comparative analysis of the NYPD's CompStat efforts and a counter-mapping effort by theguardian.com illustrates the rhetorical power and the perils of maps.

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)0,016
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,032
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0070,005
Études des sciences et des technologies0,0120,044
Communication savante0,0130,022
Science ouverte0,0010,009
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,282
Écart entre enseignants0,258 · 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'étudeSans objet
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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetRhetoric and Communication StudiesTravaux en français237 207