‘Black like Me’: A Critical Analysis of Arrest Practices Based on Skin Color in the Gauteng Province, South Africa
Notice bibliographique
Résumé
Objective: This article looks at the everyday life and realities of current practices employed by the South African Police Service (SAPS) officials, by shedding light on the experiences and practices on profiling search and effecting arrest based on race and skin color in the Gauteng Province. Particularly, this article examines the experiences of the SAPS officials to measure police perception of the skin color of foreign nationals, and to establish if wrongful arrests were linked to skin color stereotyping. Methods: The theoretical approach employed the social identity theory (SIT) was used to interpret the results. A survey questionnaire consisting of the New Immigration Survey (NIS) Skin Color Scale with 10 shades of skin color mapped to a pictorial guide, as well as a self-report measure on wrongful arrests, was administered to 80 SAPS officials, who performed visible policing duties. The research sample consisted of two SAPS groups from two different contexts, namely township and urban contexts. The Statistical Package for the Social Sciences (SPSS) software was used to conduct Pearson’s correlation and comparative analyses. Results: The results showed that the SAPS officials stereotyped foreign nationals as dark-skinned. The skin color stereotype was, however, not correlated to wrongful arrests. The study concluded that although respondents perceived that South Africans were distinguishable from foreign nationals based on skin color or tone, identification processes were not influenced by this stereotype belief.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».