MétaCan
Menu
← Retour à la cohorte
Enregistrement W4286433330 · doi:10.24135/pacifichealth.v5i.57

Relationship between the coronavirus pandemic and criminal activities: Emerging evidence from Fiji Islands

2022· article· en· W4286433330 sur OpenAlexaff
Kunal Singh, Tayyab Shah, Amrit Raj

Notice bibliographique

RevuePacific Health · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésCurfewCriminologyPandemicProperty crimePeriod (music)GeographyPolitical scienceCoronavirus disease 2019 (COVID-19)SociologyMedicineViolent crime

Résumé

récupéré en direct d'OpenAlex

Introduction: The spread of the coronavirus has led to strict containment measures around the world, simply to restrict the gathering of a large number of people. In Fiji, the COVID-19 lockdown measures are affecting different social aspects, including crime rates and criminal activities. Methods: This study was based on a secondary analysis of aggregated crime data, presenting preliminary analyses on crime trends across the Fiji Islands, during the first six months of the curfew period. It considers how the crime patterns shifted due to the numerous containment restrictions. We studied the crime data during the first six months of the curfew period, starting from March 31 to September 30, 2020, against the average of crime occurrences for the same period over the last four years (2016-2019). Results and Discussion: The study shows an overall increase of 18.8% in crime occurrences, during the curfew period. The disobedience against lawful orders were largely made up of curfew breaches (with an astounding increase of 2602 cases), with the southern and western divisions registering the majority of offences. The study also provides evidence of a decrease in offences against public morality (-41.7%) and property (-26.8%) during the curfew period, which could most likely be linked to strict stay-home restrictions and limited mobility. Criminal offences such as burglary (-24.6%), theft (-22%) and aggravated robbery (-23.3%) show a decreasing trend in the curfew period. However, a worrying increase in offences against the drugs ordinance act (104.4%), common assault (28.6%), serious assault (97.4%) and criminal intimidation (36.8%) is noted in this study. It could be interpreted that the central division (-46.4%) was possibly the safest area in Fiji during the first few months of the curfew, while the southern (17.9%) and western (29.2%) continue to show an increasing crime trend. Conclusion: The findings of this research are consistent with the predictions of the routine activity theory, which estimates crime rates to fluctuate during an exceptional event. Regardless of some limitations and directions for future research, the current study contributes to the literature on exceptional events and crime through an ongoing pandemic in the South Pacific. Keywords: Coronavirus, Fiji, lockdown, crime rates

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,202

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,243
Tête enseignante GPT0,361
Écart entre enseignants0,118 · 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'étudeObservationnel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePacific Health→Même sujetCOVID-19 Pandemic Impacts→Travaux en français237 207→