MétaCan
Menu
Retour à la cohorte
Enregistrement W3206613474 · doi:10.3138/cjccj.2021-0022

The Need for a Canadian Database of Police Use-of-Force Incidents

2021· article· en· W3206613474 sur OpenAlexaffvenueabout
Craig Bennell, Andrew Brown, Bryce Jenkins, Ariane‐Jade Khanizadeh, Audrey MacIsaac, Tori Semple

Notice bibliographique

RevueCanadian Journal of Criminology and Criminal Justice/La Revue canadienne de criminologie et de justice pénale · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolicing Practices and Perceptions
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)AccountabilityUse of forceDeadly forceValue (mathematics)Public relationsInclusion (mineral)Political scienceLawPsychologyComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

Concerns surrounding the use of force by police officers appear to be growing, fuelled by perceptions that the police use force too frequently, research showing that force is applied disproportionately to members of certain groups, and the view held by some that the mechanisms for holding police responsible for unjustified force are inadequate. In this paper, we advocate for the creation of a national use-of-force database in Canada to gain a better understanding of these issues, adding our voice to those who have already been actively calling for this. We describe some of the potential benefits that would be associated with such a database, including the fact that it would enhance police transparency and accountability, while also increasing our understanding of when and why force is used and what strategies may be useful for reducing inappropriate applications of force. We also highlight some of the challenges we think would be encountered, including mandating nationwide participation, overcoming resistance from the police community, establishing sensible case inclusion criteria, and standardizing data collection. While these are significant challenges, we believe not only that they are possible to overcome but that doing so will provide real value to Canadian society.

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)0,019
score de la tête « metaresearch » (Gemma)0,068
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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,364

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,068
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0220,020
Études des sciences et des technologies0,0060,001
Communication savante0,0060,005
Science ouverte0,0050,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,224
Tête enseignante GPT0,385
Écart entre enseignants0,161 · 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

Citations13
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Criminology and Criminal Justice/La Revue canadienne de criminologie et de justice pénaleMême sujetPolicing Practices and PerceptionsTravaux en français237 207