Back to school days: Crime seasonality in a campus-dominated community
Notice bibliographique
Résumé
Crime on university and college campuses is an ongoing concern for students, faculty, administrators, and policy makers ( Fisher & Sloan III, 2022 ). However, much of this research focuses on university and college campuses that are separated from the rest of the city or community they are located within. Doing so is important, given that integrated campuses create particular crime opportunity structures that can impact members of the university and the community more broadly. In this study, we examine crime trends in Brantford, Ontario, where the university is fully integrated into the downtown. We ask will the influx of a large population of students and staff during the school year influence the expected patterns of crime in this area as compared to the rest of the city? We find that assault increases significantly in the university campus area at the beginning of the school year, but returns to expected patterns soon after. This is important when considering safety planning for campus communities, particularly at the start of the school year. Findings indicate that the typical patterns of seasonality can be impacted by a large shift in population, and this should be considered for future policy and safety practices on campuses. • We test if the typical seasonal patterns of crime emerge on a university campus when there is a large shift in the population during the school year. • We compare the trends of crime in the university area (which is integrated into the downtown) to the rest of the city over the course of eight years. • Assault increases significantly in the university area at the beginning of the school year, but returns to expected patterns soon after. • Our study suggests that universities and colleges may want to target crime prevention efforts to the first few weeks of classes.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».