Internal Migration in Chinese Cities: An Exploration of Youths’ Experiences of Delinquency
Notice bibliographique
Résumé
Introduction. In China, urban police tend to arrest and interrogate internal migrants when crimes occur, as they believe migrant cohorts are the main cause of crime. Detecting risk factors in migrant children's delinquency is necessary in order to allow authorities to limit the scope of crime. Methods. This essay explores studies from Chicago School of Criminology, in additional to other relevant western criminological literature. This essay investigates how poor living conditions, undue levels of fear of crime, deficiency in the formation of social bonds, lack of informal control at home and school, and development of social strain are associated with migrant children's delinquency in China. Findings. Socioeconomic challenges drive migrant children to delinquency. Migrant children are subject to discrimination and exclusion at school and public spaces, in addition to segregation residentially. The unfair treatment they receive contributes to their inability to develop a metropolitan social bonds and trust. Similarly, migrant parents are victimised by social discrimination, exploitation and exclusion, minimising their opportunities to exercise positive parenting. Their economic hardships impede migrant cohorts from alleviating poverty and increasing community engagement. Local urbanites' fear of crime against migrant cohorts fosters mutual misunderstanding, mistrust and conflicts. Social tension and fear of crime reinforce local urban residents' segregation and discrimination against internal migrants. Conclusions. Migrant children may demonstrate a higher propensity of delinquency than local counterparts. However, more attention should be given to their victimisation as a result of economic hardships and social inequalities, in order to effectively exercise crime control in Chinese cities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».