Spatial distribution and developmental trajectories of crime versus crime severity: do not abandon the count-based model just yet
Notice bibliographique
Résumé
Abstract Purpose/background A new body of research that focuses on crime harm scores rather than counts of crime incidents has emerged. Specifically in the context of spatial analysis of crime, focusing on crime harm suggests that harm is more concentrated than counts, at the level of crime hot spots. It remains presently unclear what drives the concentration distributions, and whether the count-based model should be abandoned. Methods Cross-sectional and longitudinal analysis of 6 year of spatiotemporal crime data in Toronto, Canada, to compare patterns and concentration of crime harm (measured in terms of the Crime Severity Index (CSI) against crime counts. Conditional probabilities, trajectory analyses, power few concentrations, and spatial Global Moran’s I are used to infer generalised trends from the data. Findings Overall CSI and crime counts tend to exhibit similar concentrations at the spatial micro levels, except against-the-body crimes such as violence which seems to drive nearly all the variations between the two measurement types. Violence harm spots tend to be more dispersed citywide and often do not remain constant year-to-year, whereas overall crime hotspots are more stable over time. Nevertheless, variations in disproportionally high crime hot spots are associated with total variations in crime, with as little as 1% increase in crime levels in these hot spots translating into substantial overall gains in recorded crime citywide. Conclusions Abandoning count-based models in spatial analysis of crime can lead to an incomplete picture of crime concentrations. Both models are needed not just for understanding spatial crime distributions but also for cost-effective allocation of policing resources.
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 | 0,009 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,007 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».