Tracking (In)justice: Uncovering Potential Biases in Canadian Incidents of Police Use of Force Resulting in Fatality
Notice bibliographique
Résumé
The current body of literature on lethal use of force indicates a tendency for greater force utilization against males than females, and an overrepresentation of racialized individuals in use of force statistics. However, little research on the factors surrounding lethal force has been done within a Canadian context. To address this gap, the present study utilized the Tracking (In)Justice dataset, which tracks cases of use of force resulting in fatality in Canada, to explore victim demographics, types of force employed, incident locations, and changes in victim race over time. Analysis revealed that males constituted the majority of victims, and Indigenous and Black individuals were disproportionately victimized. The highest level of force used was consistent across genders and races, with firearms as the primary method of force. Additionally, certain provinces had higher incidences of Indigenous and Black victims, and victim demographics were found to exhibit annual fluctuations. By providing a better understanding of who has been victimized by lethal use of force in Canada, as well as where and when, the current study acts as groundwork for future studies to delve further into the contextual factors surrounding these incidents. However, the current study was limited by missing data, limited variables collected, and the narrow scope of incidents, which do not reflect the true prevalence of lethal use of force decisions in Canada. Ultimately, the results and limitations of the study underscore the necessity for a standardized national database of lethal use of force to better comprehend the phenomenon within Canada.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».