MétaCan
Menu
Retour à la cohorte
Enregistrement W3167181277 · doi:10.7202/1076692ar

Les caméras portatives utilisées par les forces policières : suppositions et implications

2021· article· fr· W3167181277 sur OpenAlexaffvenue
Erick Laming, Christopher J. Schneider, Patrick Watson, Florence Dubois

Notice bibliographique

RevueCriminologie · 2021
Typearticle
Languefr
DomaineSocial Sciences
ThématiquePolicing Practices and Perceptions
Établissements canadiensWilfrid Laurier UniversityBrandon UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Si l’on se penche sur les études portant sur l’usage de caméras portatives par les forces policières, on constate que le corpus est minime, et qu’il examine surtout d’éventuels effets dissuasifs de ces dispositifs quant au recours à la force par les policiers, et quant au comportement des citoyens lors des interactions avec ces derniers. La présente étude prend appui sur nos précédents travaux, sur des preuves empiriques ainsi que sur quelques anecdotes pertinentes afin d’illustrer trois enjeux méconnus de la question des caméras portatives, problématiques qui participent à encourager actuellement leur utilisation. Ces trois enjeux sont : 1) le marketing et la vente de caméras portatives auprès des forces de l’ordre ; 2) l’utilisation d’enregistrements provenant de ces caméras à des fins promotionnelles pour la police ; 3 le recours aux preuves visuelles à la cour, qui impliquent de plus en plus souvent des enregistrements de caméras portées par des policiers. Bien comprendre ces trois problématiques à la lumière de données empiriques demeure nécessaire afin d’avoir un regard critique sur les raisons pour lesquelles les forces de l’ordre ont recours aux caméras portatives et sur les manières dont elles les utilisent. Le présent article offrira en conclusion une courte discussion et des pistes pour des travaux subséquents.

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)0,009
score de la tête « metaresearch » (Gemma)0,042
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,042
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0050,009
Communication savante0,0090,010
Science ouverte0,0020,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

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 Opus0,573
Tête enseignante GPT0,517
Écart entre enseignants0,056 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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'admission2
Résumé présentoui

Explorer davantage

Même revueCriminologieMême sujetPolicing Practices and PerceptionsTravaux en français237 207