Space-Time Clustering and Prospective Hot-Spotting of Canadian Crime
Notice bibliographique
Résumé
Previous research has consistently shown that repeat crime victimization is common.More recently, research has shown that near repeat victimization is also common, whereby targets located in close proximity to previously victimized dwellings/people/vehicles (depending on the crime) are at an increased risk of also being victimized.However, this elevated risk is only temporary and subsides over time.This near repeat space-time clustering has been found across various crime types (e.g., burglary, theft from motor vehicle (TFMV), gun crime, etc.) as well as across jurisdictions.However, the precise space-time patterning of crimes is location-specific.To date, no published research exists that has examined near repeat victimization using Canadian data; the current study fills this gap.This dissertation consisted of 4 phases of analyses.Phase 1 determined the exact space-time clustering of three crime types (burglary, TFMV, common assault) across three Canadian cities (Edmonton, AB, Moose Jaw, MB, Saint John, NB).Phase 1 results found significant near repeat space-time clustering for Edmonton burglary, Edmonton TFMV, and Saint John TFMV, with the exact near repeat space-time pattern varying from one data file to the next.Phase 2 analyses used the time and distance over which crime clusters (as found in Phase 1) to generate prospective risk surfaces.Risk surfaces were also generated using two traditional hot-spotting methods.Overall, the various hotspot mapping techniques examined were found to be comparable in their accuracy at predicting future crime.Phase 3 examined whether it was possible to improve the accuracy of prospective hot-spotting by considering three different strategies.Although Phase 3 results suggested that the three strategies examined were not effective at improving predictive accuracy of the SPACE-TIME CLUSTERING OF CANADIAN CRIME iii maps, some interesting trends did emerge, which may have practical implications.Finally, Phase 4 investigated whether near repeat burglaries in one Canadian city (Edmonton, AB) were more likely to be committed by the same offender than more distant burglaries.Phase 4 results suggested that serial offending by the same offender offers a viable explanation for near repeat crime.The theoretical and practical implications of these results, as well as some limitations and directions for future research, are also discussed.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».