Statistician’s Blues: A Methodological Critique of Measuring the Association between Police and Crime
Notice bibliographique
Résumé
Melanie S.S. Seabrook and colleagues (Police funding and crime rates in 20 of Canada’s largest municipalities: A longitudinal study, Canadian Public Policy 49(4) (2023): 383–98) have investigated the relationship between per capita police budgets and crime for 20 of Canada’s largest municipalities. The authors state that there is no consistent relationship between these two variables and question the utility of increased police spending. Their questioning of increased police spending is not necessarily unjustified, particularly given the expansive research that demonstrates that investing in prevention is far more cost effective. However, we scrutinize their data and methods to make such a claim. After reproducing their results, we use more appropriate data and methods to interrogate this relationship. We find support for an association between police officers per capita and lower crime but caution against any causal connection. We discuss the implications of this relationship, if present, and alternative ways to address crime and its prevention.
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 | 0,509 | 0,731 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,015 | 0,019 |
| Études des sciences et des technologies | 0,006 | 0,058 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,011 | 0,010 |
| Intégrité de la recherche | 0,007 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».