MétaCan
Menu
Retour à la cohorte
Enregistrement W3137409621 · doi:10.5539/ijef.v13n4p47

Dynamic Analysis of Criminal Behavior: An Application of Empirical Mode Decomposition

2021· article· en· W3137409621 sur OpenAlexvenueno aff
Raphael Douglas de Freitas Lucena, Rodolfo Ferreira Ribeiro da Costa, Ivan Castelar, Francisco Soares de Lima

Notice bibliographique

RevueInternational Journal of Economics and Finance · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDecompositionHilbert–Huang transformMode (computer interface)EconometricsSample (material)Process (computing)Criminal behaviorDecomposition method (queueing theory)Empirical researchEmpirical evidenceEconomicsComputer scienceCriminologyPsychologyStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Our objective is to measure the permanent and transitory components of criminality in Brazilian states by using the methodology proposed by At and Chappe (2005). The empirical strategy used follows the Empirical Mode Decomposition method (EMD), proposed by Huang et al. (1998). Based on a sample collected using the Mortality Information System (SIM) from DATASUS, the decomposition process was carried out for the 27 Brazilian states from 1996 to 2015. The results of the decomposition for criminality show that the choice for crime occurs, for the largest part, due to permanent elements, which is a predictor of future crimes over time. The decomposition of criminality into these two types of components establishes some evidence regarding criminal behavior that can serve as reference for policy makers, since the implications of the results found raise questions about the policies to confront and reduce crime.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,385
Score d'incertitude au seuil0,162

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,044
Tête enseignante GPT0,450
Écart entre enseignants0,406 · 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'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

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Economics and FinanceMême sujetCrime Patterns and InterventionsTravaux en français237 207