MétaCan
Menu
Retour à la cohorte
Enregistrement W4319439349 · doi:10.4324/9781003360452

Comparative Policing Issues

2023· book· en· W4319439349 sur OpenAlexaboutno aff
R. I. Mawby

Notice bibliographique

Revuenon disponible
Typebook
Langueen
DomaineSocial Sciences
ThématiqueEuropean Criminal Justice and Data Protection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Originally published in 1990, Comparative Policing Issues was the first introductory text to consider key issues in the policing of modern societies from an international, comparative perspective. The author begins with a discussion of policing itself and considers how the modern police force has emerged. Separate sections then focus on France and the Netherlands as examples of Western European societies: Canada and Hong Kong as influenced by the colonial tradition; Japan as an Eastern capitalist society; and the USSR, China and Cuba as contrasting examples of communist police systems. These and other countries are then considered in terms of the relationship between the police and the communities they ‘serve’. Critical issues addressed include the following: Are communist and capitalist systems of policing significantly different? What lessons are to be learnt from Japan, with its low crime rate? How accountable are the police in different societies, and to whom? To what extent is the ‘character’ of the police in any society determined by the wider culture, and social and political structure of that society? How practicable is it to transfer ideas about policing from one society to another? The lowering of barriers within the European community and the return of Hong Kong to China are just two examples of the need for a comparative analysis of policing. Students of criminology and police studies, and police and others working in the criminal justice system will find this book an invaluable resource.

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)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,139

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,008
Études des sciences et des technologies0,0070,007
Communication savante0,0060,007
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0410,005

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 Opus0,174
Tête enseignante GPT0,423
Écart entre enseignants0,250 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEuropean Criminal Justice and Data ProtectionTravaux en français237 207