Digital community management for crime prevention and public safety: Strategies for safer and more inclusive online communities
Notice bibliographique
Résumé
As social media platforms become central to community communication and engagement, they present both new opportunities and challenges for the prevention, disruption, and reduction of crime through digital public spaces. This article presents findings from a rapid evidence assessment (REA) conducted to inform the Queensland Police Service’s Digital Community Safety Champions initiative, focusing on four interrelated areas: de-escalation of online conflicts; dissemination of crime and safety information; best practices for managing crime-focused online communities; and the broader impact of social media on public safety. The REA synthesized evidence from peer-reviewed literature and grey sources published from 2013 up to February 2025, drawing on insights from policing, digital communication, and online community governance. The findings emphasize the importance of context-sensitive moderation strategies grounded in neutrality, timeliness, and discretion. Digital tools that promote deliberative dialogue, such as TruthMapping, can support structured engagement and reflection, while post-conflict review strengthens long-term moderation practices. Effective crime communication strategies should combine accuracy, accessibility, visual clarity, and multilingual content to enhance community responsiveness. Best practices for managing online crime communities include establishing clear group norms, safeguarding privacy, building trust through transparency, and avoiding vigilantism through responsible content governance. Finally, while social media offers new avenues for connection and public safety outreach, particularly for vulnerable groups, it also carries risks related to misinformation, radicalization, and surveillance. The article concludes with practical recommendations for moderators, platform designers, and policing stakeholders to help create safer, more ethical, and inclusive digital environments.
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 | 0,002 | 0,000 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».