Perceptions of Crime Seriousness and Punitive Attitudes in Post-Secondary Students
Notice bibliographique
Résumé
Public perceptions of crime seriousness and attitudes towards the punishment of crime stem from the social norms and values that shape society and are informed by ways of knowing about crime. Located within a social constructionist paradigm, the purpose of this study was to examine the influence of post-secondary education, crime type and crime representation on perceptions of crime severity and punitive attitudes for different crime types. A sample of 971 students from the University of Winnipeg completed an online questionnaire measuring perceptions of crime severity for one-line crime descriptions as well as crime scenarios based on actual court data. Results show that both wrongfulness and harmfulness are strong predictors of perceived seriousness. As predicted, violent crimes ranked highest on measures of seriousness, wrongfulness, and harmfulness, and received the most severe sentencing recommendations. While the level of education completed had no significant difference on perceptions of crime severity, differences between fields of study showed significance. Comparisons between responses to the one-line crime descriptions and the crime scenarios revealed significantly stronger severity ratings for the scenarios than for the one-line descriptions although the ranking of crimes remained similar. Findings suggest that universal notions of wrongfulness and harmfulness exist that influence perceptions of seriousness and are resistant to change. Perceptions towards crimes are informed by a socially constructed reality of crime that shapes our knowledge of crime. Understanding the underlying factors that influence perceptions and attitudes towards crime may shed new light on the social approaches to dealing with crime and provides new insights into crime control practices and government crime policy. Finally, results also emphasize the importance of reflecting on the matter of crime representation in academic research.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».