MétaCan
Menu
Retour à la cohorte
Enregistrement W3045663547 · doi:10.1111/1745-9133.12511

The RIDE study: Effects of body‐worn cameras on public perceptions of police interactions

2020· article· en· W3045663547 sur OpenAlexafffund
Alana Saulnier, Ryan Lahay, William P. McCarty, Carrie B. Sanders

Notice bibliographique

RevueCriminology & Public Policy · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolicing Practices and Perceptions
Établissements canadiensWilfrid Laurier UniversityOntario Tech UniversityLakehead University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésOfficerPerceptionSample (material)PsychologySobrietyApplied psychologyRecallSocial psychologyPolitical scienceCognitive psychologyLaw

Résumé

récupéré en direct d'OpenAlex

Research Summary During a brief interaction with motorists (i.e., a sobriety check), this study manipulated officer use (and declaration) of a body‐worn camera (BWC) (present; absent) while documenting participant BWC recollection (correct; incorrect) to assess effects on motorists’ perceptions of the encounter and of police more generally. Results (N = 361) demonstrate that perceptions of procedural justice were more favourable in the BWC‐present condition when the entire sample was included in the analyses, but that this effect was not significant when focusing on the subset of the sample that correctly recollected BWC use (though the pattern of the effect was the same in both analyses). Policy Implications In combination with results from a handful of similar studies, this study's results suggest that BWCs may be a tool that can be leveraged to enhance public perceptions of encounters with police; however, more research is needed to substantiate this claim. In particular, the development of evidence‐based policy on this matter necessitates continued studies that address issues such as sample imbalances (e.g., gender and minority status), length of the interaction studied (i.e., experimental dosage), and controlling for officer behavior.

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)0,005
score de la tête « metaresearch » (Gemma)0,029
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 enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,139
Tête enseignante GPT0,414
Écart entre enseignants0,275 · 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

Citations28
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCriminology & Public PolicyMême sujetPolicing Practices and PerceptionsTravaux en français237 207