Interpretation of the SafeGrowth method from a police perspective—Possibilities and hindrances in local crime prevention initiatives
Notice bibliographique
Résumé
In this article, the focus is on the crime prevention method SafeGrowth and its implementation in Drottninghög, Sweden. We highlight the police perspective on the implementation of SafeGrowth in Drottninghög, a risk area in Helsingborg, Sweden. Contrary to ordinary crime prevention programmes, the police are not the leading actors in the SafeGrowth process; instead, they join, as an equal party, the residents and other actors in the project. This article is partly the result of a process evaluation conducted between August 2021 and October 2022. The data consists of a focus group interview and an on-site visit and was compiled in October 2022. In the analysis, three themes related to the police perspective are identified: (1) the relationship between SafeGrowth, the area’s crime problem, and evidence-based policing; (2) the contribution of SafeGrowth in terms of collective efficacy, and (3) problems related to evaluating SafeGrowth within the area. In the results, it becomes clear that, from a police perspective, the implementation of SafeGrowth may become problematic. The problems pertain to the selection of both areas and local problems to work with, the conjunction of different descriptions of realities, and organization within the project. For SafeGrowth to succeed in Drottninghög and similar areas, police perspectives must be included more clearly in order to facilitate cooperation. Despite these problems, we identified that a major advantage of the SafeGrowth method was its contribution to collective efficacy in the area, which, in turn, can be helpful to everyday police work in Drottninghög.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».