What is a neighborhood? A concept consensus review of recent criminological literature
Notice bibliographique
Résumé
Since the Chicago School, neighborhoods have been a staple in criminology research. However, some criminologists argue that there is no consensus on the definition of a neighborhood. This is important because if criminologists cannot agree on the theoretical concept of neighborhoods, they cannot synthesize neighborhood research across multiple studies. To test the “no consensus” assertion, we conducted a concept consensus review of all articles using the term “neighborhood” in the top 10 journals in criminology from 2010 to 2020. We found 310 articles where the term neighborhood was an important concept in the study. Of these articles, only 15 provided an explicit conceptual definition. An additional 6 articles provided ambiguous conceptual definitions. We probed the content of conceptual definitions and found they varied widely, often omitting essential elements. Finally, we examined the operational definitions used in the 310 studies and found 50 unique operationalizations of neighborhood. Therefore, we conclude that there is no consensus about the theoretical meaning of neighborhood in criminology. Criminologists should either reach a consensus about the meaning of neighborhood or abandon the concept and use newer alternatives. • Some criminologists claim there is no consensus on how the field defines the term “neighborhood”. • We undertook a concept consensus review of recent criminology articles to verify this claim. • Findings suggest there is no consensus on the theoretical meaning of neighborhood in criminology. • When authors provided conceptual definitions of neighborhood, the definitions varied widely. • There were also 50 unique operationalizations of neighborhood.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».