MétaCan
Menu
Retour à la cohorte
Enregistrement W4307187681 · doi:10.18061/ijrc.v7i1.8987

‘Facebook is the Devil’: Exploring Officer Perceptions of Cyber-based Harms Facing Youth in Rural and Remote Communities

2022· article· en· W4307187681 sur OpenAlexaffabout
Michael Adorjan, Rosemary Ricciardelli, Laura Huey

Notice bibliographique

RevueInternational Journal of Rural Criminology · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender, Feminism, and Media
Établissements canadiensWestern UniversityMemorial University of NewfoundlandUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésHarmOfficerWork (physics)CriminologyPerceptionPublic relationsPolitical sciencePsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Policing research, still largely concentrated on urban contexts, is increasingly recognizing the unique features of police work in rural regions. Beyond notable differences such as lower overall levels crime and fewer (though more sporadically distributed) people, little is also known regarding rural police understandings and responses to online mediated harms, including relatively serious forms of cyberbullying, non-consensual ‘sexting’, and other forms of crime mediated online. Interviews with police officers (N = 42) here focus on their views regarding police work in response to cyber-mediated harm facing youth in rural and remote Atlantic Canada. Responses center on how rural regions play a role in mediating the nature of online conflict and police respond to such conflict. Officers highlight several related challenges, such as lack of parental support, and how some youth ‘define deviancy down’, referring to a lack of recognition regarding the harm caused by cyberbullying and non-consensual sexting (including issues related to the distribution of child pornography). Implications are discussed for research on rural policing where evidence-based practices remain lacking.

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)0,002
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,124
Score d'incertitude au seuil0,247

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,004
Communication savante0,0030,002
Science ouverte0,0010,004
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 Opus0,179
Tête enseignante GPT0,346
Écart entre enseignants0,167 · 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'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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Rural CriminologyMême sujetGender, Feminism, and MediaTravaux en français237 207