MétaCan
Menu
Retour à la cohorte
Enregistrement W4302290880 · doi:10.1177/07340168221121310

Oil and Disorder: Youth Crime in North Dakota Boom Communities

2022· article· en· W4302290880 sur OpenAlexaff
Rick Ruddell, Christopher D. O’Connor, Stuart J. Wilson

Notice bibliographique

RevueCriminal Justice Review · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensOntario Tech UniversityUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésBoomJuvenileReferralDemographyOil boomJuvenile courtUnemploymentDemographic economicsJuvenile delinquencySocioeconomicsGeographyCriminologyMedicinePsychologyEconomic growthEconomicsSociologyEngineeringBiologyFamily medicine

Résumé

récupéré en direct d'OpenAlex

Juveniles contribute to crime in natural resource-based boom communities, but there has been very little research examining the extent of their involvement. To respond to this gap in the literature, two indicators of youth arrests and court referrals in North Dakota—the state hardest hit by the 2000s oil boom—were examined. Although arrest rates for North Dakota youth were more than two times higher than the national average in 2019, almost three-quarters of them were for minor offenses. In addition, arrest and court referral rates in oil-producing counties were lower than those for non oil-producing counties. When controlling for demographic and economic factors, and county-specific fixed effects in panel analyses from 2011 to 2019, oil production is negatively associated with youth arrest rates, but positively associated with juvenile court referrals. However, oil-producing counties had very strong county-specific fixed effects which on average raised youth arrest and court referral rates. Arrest rates were also positively associated with unemployment rates while median household income was negatively associated with Group B offenses and juvenile court referrals. Implications for future research into the boom-crime relationship are discussed in light of these findings.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,347
Score d'incertitude au seuil0,689

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,025
Tête enseignante GPT0,240
Écart entre enseignants0,216 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCriminal Justice ReviewMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207