Race, police stops, and perceptions of anti-Black police discrimination in Toronto, Canada over a quarter century
Notice bibliographique
Résumé
Purpose Black Canadians have a historically tenuous relationship with the police. Negative perceptions of the police held by Black people have traditionally resulted from high levels of police contact and perceived negative treatment during these encounters. Well-publicized instances of police violence involving Black civilians have also fostered hostility and mistrust of the police, often resulting in social unrest. Recently, in the wake of George Floyd's death at the hands of American police, people across Canada rallied in support of the Black Lives Matter social movement and calls to defund the police entered mainstream political consciousness. At the same time, police leaders have vehemently argued that racial bias within Canadian policing has been greatly reduced as the result of various reform efforts. Design/methodology/approach This paper explores the police racism debate in Canada through an analysis of three waves of survey data collected between 1994 and 2019. Findings Despite well-publicized reform efforts, the authors' findings demonstrate that little has changed over the past 25 years. Black people still report much higher rates of police stop and search activity than people from other racial backgrounds. Furthermore, racial disparities in negative police contact remain strongly significant after controlling for other theoretically relevant factors, including self-reported deviance and community crime levels. Finally, reflecting their negative experiences, most Black people still perceive Canadian law enforcement as racially biased. Nonetheless, the data do reveal one significant change: the proportion of white people who perceive police discrimination against Black people has increased dramatically over this same time period. The paper concludes by discussing the prospects of meaningful reform in light of the current findings. Originality/value This paper contributes to the literature on race and policing through an examination of 25 years of survey data across three waves of collection.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».