When crises collide—Policing a pandemic during social unrest
Notice bibliographique
Résumé
In 2020, the United States was shaken by concurrent crises: the COVID-19 pandemic and protests for racial equality. Both crises present significant challenges for law enforcement. On the one hand, the protests for racial equality drew the public’s attention to the criminal justice system’s disparate treatment of Blacks and other people of colour. On the other hand, the pandemic required the expansion of police duties to enforce public health mandates. To ensure compliance, law enforcement may arrest, detain, and even use force to prevent the transmission of communicable diseases that may have an irreversible impact on human health, such as COVID-19. Policing, however, is at a critical point in America. The government is expanding police powers for the sake of public health; all the while, public indignation about police (ab)uses of power has fuelled calls for its defunding. It is therefore important to explore Americans’ views of policing pandemics during periods of social unrest, focusing on the recognition that socio-economic and racial inequities shape perceptions. The data from this project derives from surveys with Americans on the specific topics of race, policing, racial protests, and COVID-19. The study finds that Americans perceive the police as legitimate overall; however, there are divergences based on race, gender, and marital status. These differences may contribute meaningful insights to the current discourse on police legitimacy in America.
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 | 0,002 | 0,000 |
| 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 | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».