Automated Licence Plate Recognition in Canadian Policing: Documenting Use and Policy
Notice bibliographique
Résumé
La reconnaissance automatique des plaques d'immatriculation (RAPI) est un outil policier très répandu, mais les informations disponibles sur l'utilisation de cette technologie au Canada sont limitées. Une enquête menée auprès des services de police canadiens révèle que 57 % ( n = 74) des services ayant répondu déclarent utiliser la RAPI. L'utilisation de la RAPI par la police n'est pas normalisée au Canada, ce qui laisse à chaque service le soin d’élaborer sa propre procédure de RAPI. La plupart des services (n = 42) qui utilisent la RAPI n'ont pas élaboré de procédure écrite pour encadrer l'usage de cette technologie. Selon une analyse du contenu de 23 procédures de RAPI utilisées par la police canadienne, les principaux thèmes abordés sont les attentes liées au programme, les utilisateurs, les superviseurs, la sécurité et la conservation des données, la divulgation des données et les relations publiques. L'article considère ces thèmes dans le contexte de lignes directrices nationales et internationales relatives à la RAPI afin de soutenir l’élaboration de pratiques de RAPI normalisées à l’échelle du Canada. Une technologie policière largement utilisée devrait être utilisée de manière cohérente. Si la législation existante en matière de protection de la vie privée guide l'utilisation de ces technologies de surveillance par la police, un cadre favorisant la cohérence entre ces différents thèmes permettrait de renforcer la fiabilité des services de police.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,010 | 0,015 |
| Études des sciences et des technologies | 0,010 | 0,005 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».