Conducting a Systematic Social Observation of Body-Camera Footage: Methodological and Practical Insights
Notice bibliographique
Résumé
Increased use of video recording technologies such as drones, smartphones, CCTV, and body-worn cameras (BWCs), provides researchers with modes for observing human behavior in their natural settings.Although not originally intended for empirical inquiry, these data sources facilitate a video data analysis (VDA) framework used in the social sciences.BWCs represent an emerging technology within this framework, and BWC footage provides valuable insight into situational dynamics at play during various social phenomena.When combined with systematic social observation (SSO), researchers are well-equipped to unpack social phenomena in a manner that overcomes many challenges of traditional qualitative methodologies.This article incorporates a practical example detailing the application of these techniques in the context of a research project on police use of physical force.We provide a roadmap for researchers and practitioners interested in applying SSOs to a VDA framework which relies on BWC footage as a data source.Throughout the article we describe pertinent challenges associated with this method of inquiry and offer the ways in which such challenges can be navigated.We provide specific examples from our experience observing BWC footage as part of a project aimed at exploring the situational dynamics of police use of force events.We feel an in-depth accounting of our Systematic Social Observation (SSO) methodology that intersects with a VDA framework can inform researchers interested in conducting similar research.This article begins with a discussion of the promise of SSO of video footage for social science research, the emergence of the VDA framework, the utility of BWC footage as a data source, and the intersection of VDA and SSO methodologies.We then highlight common challenges inherent in traditional qualitative methodologies and discuss how VDA may reduce their impact.We provide an in-depth and candid accounting of the methodological challenges we faced in conducting our research and the strategies we Journal of Qualitative Criminal Justice & Criminology • Pre-Issue Pubs Conducting a Systematic Social Observation of Body-Camera Footage: Methodological and Practical Insights 4 used to navigate them.We conclude with a summary of the central lessons learned and a discussion of the implications for social scientists.
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 | 0,066 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,016 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».