Networked Architectures of Crime Prevention: Community Mobilization in Manitoba
Notice bibliographique
Résumé
Crime prevention programs in Canada have increasingly adopted community mobilization frameworks – a process in which individuals, groups, and organizations in a community come together to address particular social issues associated with individual risk, health and safety, crime prevention, and community development. These initiatives intend to address systemic issues that are strongly correlated with criminal activity and with community safety and well-being. Twelve community mobilization (CM) initiatives have been established in Manitoba. CM is often considered an innovative way to deal with high-risk individuals who are best served by an approach that activates communities to act on their behalf and, by doing so, increases community safety. CM is also considered a networked form of crime control that activates groups not normally involved with crime control. Although intending to mobilize communities to act, some of these programs have been critiqued as being state-centric and promoting a police agenda. We have found preliminary evidence that Manitoban initiatives have avoided these problems and retained autonomy and local governance in their design and operation. Using the theoretical concept of nodal networks (organizational sites that bring together institutions to shape a flow of events), we argue that models of CM in Manitoba have maintained local leadership and resisted standardization, which gives them the potential to meet the original goals of CM: to co-produce community-grounded definitions and practices of public safety. We introduce indicators to verify these nodal networks and discuss the possibilities for reimagining public safety.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 ».