To Swerve and Neglect: De-Policing Throughout Today’s Front-Line Police Work
Notice bibliographique
Résumé
This mixed methods study investigates how American and Canadian front-line police officers are responding to policing's new visibility, which implicates citizen-generated mobile device and CCTV footage and concomitant online interconnectivity and social media discourse, and to intensified scrutiny of officers' actions by a more critical public audience. Quantitative and qualitative data was collected from 3,660 rank-and-file officers at 23 police agencies across Canada and throughout the State of New York.This study finds that a substantial majority of today's rank-and-file officers in the 23 jurisdictions across both countries (72%) are intentionally reducing, or eliminating, proactive interactions in the community, in response to officers' perceptions that such discretionary initiatives are unnecessarily risky. Little variation was found across location and agency variables (country, region, and police agency size) or across individual officers' demographic variables (gender and race/ethnicity). For individual officers, the decision to practice de-policing and any subsequent intensification in an officer's de-policing practices, is associated with the accumulation of negative police-citizen interactions over an officer's years of front-line police service. Influence from the rank-and-file police subculture also plays a significant role in contributing to these widespread risk-averse practices.For many officers, de-policing is connected with attitudes toward, and avoidance of, individuals perceived as presenting with mental health issues and/or a 'non-traditional' sexual orientation, and, even more strongly, in relation to persons perceived by front-line officers as visible racialized minorities. Implications of the methodology and findings are discussed, including those in relation to the author's role as a 'pracademic' researcher, to the current and future situation of policing in North America, and to the author's efforts to enter into public debates regarding today's policing.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 tête enseignante, 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 ».