MétaCan
Menu
Retour à la cohorte
Enregistrement W3165999090 · doi:10.7202/1076694ar

Comprendre le succès et l’échec de l’innovation policière

2021· article· fr· W3165999090 sur OpenAlexaffvenueabout
Brigitte Poirier

Notice bibliographique

RevueCriminologie · 2021
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Les caméras portatives font partie des plus récentes innovations technologiques ayant été introduites dans les services policiers. Adoptées dans l’objectif d’offrir une plus grande transparence et d’améliorer les interactions entre policiers et citoyens, ces appareils ont suscité au courant des dernières années l’intérêt tant des chercheurs que des médias. Toutefois, malgré une popularité manifeste et plusieurs projets pilotes, l’adoption de ces caméras au Canada demeure limitée. S’appuyant sur l’approche sociotechnique et la théorie de l’acteur-réseau, cet article examine le contexte de déploiement des caméras portatives en explorant le développement et l’implantation d’un projet pilote au Service de police de la Ville de Montréal. Basé sur une analyse de contenu, il relève la diversité des actants et des négociations qui ont mené à l’emploi de ces caméras. L’interaction entre les intérêts parfois divergents des actants, dont la protection de la vie privée, les considérations économiques et le désir d’offrir une plus grande transparence, apparaît cependant comme pouvant compromettre le succès de l’implantation des caméras. Cette analyse insiste enfin sur la nécessité de tenir compte du rôle du contexte sociotechnique dans la réussite ou l’échec de l’implantation des innovations policières comme les caméras portatives.

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)0,011
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,181
Score d'incertitude au seuil0,359

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0060,007
Communication savante0,0150,007
Science ouverte0,0020,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0200,003

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 Opus0,572
Tête enseignante GPT0,492
Écart entre enseignants0,080 · 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'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

Citations1
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCriminologieMême sujetCrime Patterns and InterventionsTravaux en français237 207