MétaCan
Menu
Retour à la cohorte
Enregistrement W4249703648 · doi:10.29173/cjfy24300

Is There Racial Discrimination in Police Stop-and-Searches of Black Youth? A Toronto Case Study

2015· article· en· W4249703648 sur OpenAlexvenueaboutno aff
Yunliang Meng, Sulaimon Gıwa, Uzo Anucha

Notice bibliographique

RevueCanadian Journal of Family and Youth / Le Journal Canadien de Famille et de la Jeunesse · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolicing Practices and Perceptions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRacial profilingProfiling (computer programming)DisadvantagedCriminologyNeighbourhood (mathematics)DisadvantageSociologyPolitical scienceRace (biology)Gender studiesLawComputer science

Résumé

récupéré en direct d'OpenAlex

Our study investigated racial profiling of Black youth in Toronto and linked this racial profiling to urban disadvantage theory, which highlights neighbourhood-level processes. Our findings provide empirical evidence suggesting that because of racial profiling, Black youth are subject to disproportionately more stops for gun-, traffic-, drug-, and suspicious activity-related reasons. Moreover, they show that drug-related stop-and-searches of Black youth occur most excessively in neighbourhoods where more White people reside and are less disadvantaged, demonstrating that race-and-place profiling of Black youth exists in police stop-and-search practices. This study shows that the theoretical literature in sociology on neighbourhood characteristics can contribute to an understanding of the relationship between race and police stops in the context of neighbourhood. It also discusses the negative impact of racial profiling on Black youth.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,373
Écart entre enseignants0,274 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Family and Youth / Le Journal Canadien de Famille et de la JeunesseMême sujetPolicing Practices and PerceptionsTravaux en français237 207