MétaCan
Menu
Retour à la cohorte
Enregistrement W2943719249 · doi:10.35502/jcswb.90

The dangers of non-powder firearms

2019· article· en· W2943719249 sur OpenAlexaffvenueabout
Brandi Chrismas, J. G. POWLES

Notice bibliographique

RevueJournal of Community Safety and Well-Being · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGun Ownership and Violence Research
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésLaw enforcementEnforcementBusinessCriminologyComputer securityLawPolitical sciencePsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Non-powder weapons have become a persistent threat in today’s society. They are found outside of competitive sports at an increasing rate, being misused among young individuals, and have emerged in Canadian criminal activity. In some cases, misuse of these weapons has led to death or serious injuries. Individual and community safety are at risk when fake firearms are in the hands of criminals, as they can be altered to look and perform like real firearms. They are a particular challenge for law enforcement, who cannot be expected to distinguish fake firearms from real ones under stress. This research found fake firearms to be easily accessible and the regulations around their security and control sorely lacking and often resisted. Education regarding non-powder firearms was also found to be inadequate, when it exists at all. Awareness, education and further regulation are needed to help focus on these issues. This research concludes that it would be beneficial to treat non-powder weapons like real firearms in every aspect: storage, transportation, and handling.

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)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,313
Score d'incertitude au seuil0,879

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,326
Écart entre enseignants0,307 · 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.

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

Citations1
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Community Safety and Well-BeingMême sujetGun Ownership and Violence ResearchTravaux en français237 207