Identifying seasonal spatial patterns of crime in a small northern city
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Objectives To explore spatial patterns of crime in a small northern city, and assess the degree of similarity in these patterns across seasons. Methods Calls for police service frequently associated with crime (theft, break and enter, domestic dispute, assault, and neighbor disputes) were acquired for a five year time span (2015–2019) for the city of North Bay, Ontario, Canada (population 50,396). Exploratory data analysis was conducted using descriptive statistics and a kernel density mapping technique. Andresen’s spatial point pattern test (SPPT) was then used to assess the degree of similarity between the seasonal patterns (spring, summer, autumn, winter) for each call type at two different spatial scales (dissemination area and census tract). Results Exploratory data analysis of crime concentration at street segments showed that calls are generally more dispersed through the city in the warmer seasons of spring and summer. Kernel density mapping also shows increases in the intensity of hotspots at these times, but little overall change in pattern. The SPPT does find some evidence for seasonal differences in crime pattern across the city as a whole, specifically for thefts and break and enters. These differences are focused on the downtown core, as well as the outlying rural areas of the city. Conclusions For the various crime types examined, preliminary analysis, kernel density mapping, and the SPPT found differences in crime pattern consistent with the routine activities theory.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle