MétaCan
Menu
Retour à la cohorte
Enregistrement W4414450881 · doi:10.1146/annurev-criminol-032924-115731

The Role of Networks in Policing

2025· article· en· W4414450881 sur OpenAlexaff
Marie Ouellet, Sadaf Hashimi

Notice bibliographique

RevueAnnual Review of Criminology · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueCybercrime and Law Enforcement Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésLaw enforcementSocial network analysisMisconductScholarshipOfficerFocus (optics)CentralityKey (lock)

Résumé

récupéré en direct d'OpenAlex

Social ties are a defining feature of policing. They enforce norms, carry prestige, reward loyalty, silence dissent, create cohesion, and protect group boundaries. Network analysis maps these ties—from assigned partners to the colleagues officers text and meet for off-duty drinks—and examines how they shape daily actions and law enforcement culture. This review highlights key studies using network approaches to understand policing. By putting relations at the forefront, these studies build on foundational police scholarship and open new ways for investigating policing's social structure. However, despite recent advances in network approaches, current work tends to focus on misconduct and uses of force, leaving unanswered questions about how social ties can promote positive outcomes, such as officer morale, well-being, and recruitment. To advance the field, we call for comprehensive data across multiple agencies and levels to fully capture the central role of networks in policing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil0,168

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,302
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of CriminologyMême sujetCybercrime and Law Enforcement StudiesTravaux en français237 207