Trends and patterns of terrorist attacks targeting the police in Nigeria, 2009–2022
Notice bibliographique
Résumé
In Nigeria, terrorist attacks targeting police officers and police facilities have continued to gain momentum since 2009. However, in spite of the intensity of the problem, it is yet to command tangible scholarly attention. Against this background, this study investigates the trends and patterns of terrorist attacks targeted against the police in Nigeria between 2009 and 2022. An exploratory research design was adopted, and data were principally sourced through the content analysis of a corpus of two purposively selected Nigerian national newspapers’ coverage of the recorded incidents of terrorist attacks that were directed at police officers. The results showed that 455 cases of such attacks were recorded between 2009 and 2022. Incidents of terrorist attacks targeting police officers were recorded in nearly all the states of the federation, with Borno State having the largest share (42.9%). Also, the largest single share of the incidents (29.2%) happened in 2021 with the highest percentage of police fatalities (24.8%) occurring in the same year. The majority of the attacks (51.9%) occurred within police stations. Indigenous People of Biafra (32.1%) and Boko Haram (31.2%) were the terrorist groups responsible for most of the attacks on police officers. Terrorist attacks hold multiple serious deleterious consequences for the Nigeria Police Force. Thus, it is important for the law enforcement agency to develop a functional institutional framework through which police officers can be adequately exposed to professional counter-terrorism training and strategies.
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 | 0,003 | 0,000 |
| 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 | 0,000 |
| 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 ».