MétaCan
Menu
Retour à la cohorte
Enregistrement W3109821412 · doi:10.1007/s10657-020-09676-0

Measuring the presence of organized crime across Italian provinces: a sensitivity analysis

2020· article· en· W3109821412 sur OpenAlexaff
Giovanni Bernardo, Irene Brunetti, Mehmet Pinar, Thanasis Stengos

Notice bibliographique

RevueEuropean Journal of Law and Economics · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime, Illicit Activities, and Governance
Établissements canadiensUniversity of Guelph
Organismes subventionnairesMinistero dell’Istruzione, dell’Università e della RicercaEdge Hill University
Mots-clésOrganised crimeNormativeIndex (typography)Construct (python library)Distribution (mathematics)Public financeGeographyCriminologyEconometricsPolitical scienceSociologyEconomicsMathematicsLaw

Résumé

récupéré en direct d'OpenAlex

Abstract The existing literature identifies different indicators to construct organized crime indices and places equal importance to different concepts of organized crime. This paper examines the sensitivity of organized crime across Italian provinces when different set of indicators and weights are used to combine crime indicators. Our findings suggest that there is a remarkable variation in the distribution of organized crime across Italian provinces based on the choice of indicators and the importance given to different crime indicators. It is also found that the relationship of organized crime with socioeconomic and political factors varies depending on the normative choices made in the construction of an organized crime index.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,673
Score d'incertitude au seuil0,244

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,050
Tête enseignante GPT0,258
Écart entre enseignants0,208 · 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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Law and EconomicsMême sujetCrime, Illicit Activities, and GovernanceTravaux en français237 207