Unveiling the Digital Underworld – Exploring Cyberbanging and Recruitment of Canadian Street Gang Members on Social Media
Notice bibliographique
Résumé
This study explores the online behavior of Canadian street gang members on X (formerly known as “Twitter”), Facebook, and YouTube. As scholarly Western inquiries have predominantly focused on American and British street gangs, their presentation of online recruitment often differs. Law enforcement and journalists claim that street gangs have begun using social media platforms explicitly to search for and recruit new members. Certain scholarly publications have also suggested that a small minority of street gangs utilize social media to recruit new participants; however, they do not provide ample context to describe what this looks like online. Others argue that while cyberbanging – online gang content and propaganda – can be found online, some of this content can act as indirect recruitment, as it promotes gang lifestyles to the outside observer. To examine the use of cyberbanging and the indirect recruitment it inspires, the present study examines 59 social media user profiles linked to Canadian street gang members (23 Twitter users and 36 Facebook users), along with 10 YouTube rap videos produced by street gang members, to assess the online behavior of these particular social media users. The results suggest that the most prominent type of cyberbanging content is the promotion of gang ideologies, with a clear presence of indirect recruitment techniques observed, such as displaying drugs, weapons, money, and illegal gains, boasting of facets of gang lifestyles, and other propaganda. This content, while considered cyberbanging, blurs the line between content defined as cyberbanging and that of online recruitment.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,016 | 0,004 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».