MétaCan
Menu
Retour à la cohorte
Enregistrement W2904785307 · doi:10.17721/1728-2721.2018.70.17

GEOGRAPHY OF CRIMINALITY OF UKRAINE

2018· article· en· W2904785307 sur OpenAlexaboutno aff

Notice bibliographique

RevueBulletin of Taras Shevchenko National University of Kyiv Geography · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueDiverse Scientific Research in Ukraine
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndex (typography)State (computer science)TerrorismGeographyCriminologyPolitical scienceOfficial statisticsTable (database)LawSociologyStatistics

Résumé

récupéré en direct d'OpenAlex

The article deals with the spreading of criminal offenses in Ukraine in 2017. The purpose of the article is to reveal the crime topic in Ukraine as one of the most important problems of its further development as a European state. The author focuses on the place of Ukraine in the international ratings, such as the Global Index of the World, the Global Index to terrorism etc. Using statistical data from the State Statistics Service of Ukraine, the author has compiled a table of the level of criminal offenses by regions of Ukraine. Basing on the analysis of the table, the areas in which the crime in 2017 grew or decreased (in compressing with the previous year) is highlighted. The rating of areas for 2017 and 2016 was compiled and compared with each other. The article highlights the types of criminal offenses the number of which are the largest and the smallest in each area of Ukraine. The author presents the probable reasons that lead to the predominance of thefts, as well as grave and especially grave crimes over other types of crimes in the regions of Ukraine. Attention is paid to a criminal offense related to pimping. The areas in which in 2017 were recorded the cases of pimping are listed. The author of the article counted the number of crimes in the regions of Ukraine per 1000 people. Highlighted areas with the highest, average and lowest number of crimes per 1000 inhabitants. The author emphasizes that educated people leave the country for Europe, Canada, the United States, China and other countries, reducing the number of intellectuals who are less inclined to commit crimes. The article describes the main factors that determine the geographical differences of crime and the measures to prevent the increase of the number of criminal offenses in the regions of Ukraine is proposed.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,062
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,227
Écart entre enseignants0,212 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of Taras Shevchenko National University of Kyiv GeographyMême sujetDiverse Scientific Research in UkraineTravaux en français237 207