The Evolution of Estimated Time of Arrival: The City of Toronto’s CVE Program
Notice bibliographique
Résumé
The Countering Violent Extremism (CVE) field is evolving in Canada, with CVE teams offering psychosocial disengagement interventions in the provinces of Alberta, British Columbia, Manitoba, Ontario, Saskatchewan and Quebec. This article is written as a case study to detail the evolution of the city of Toronto’s CVE program, called Estimated Time of Arrival (ETA), housed in the community mental health centre Yorktown Family Services (“Yorktown”). Toronto – the largest Canadian city, provincial capital of Ontario, and one of the most multicultural cities in the world – has seen several high-profile cases of violent extremism and terrorism over the past few years. For example, there were two “Incel” attacks that together killed eleven people, including nine women, in 2018 and 2020. In 2022, hate crime occurrences reported to the Toronto Police Service were 74% higher than pre-pandemic levels, and 40% higher than the 10-year average. Clearly, there was a need for a structured and multi-sectoral response which led to the inception of ETA in 2020. Against this backdrop, this paper outlines ETA’s program components and operational design. Various data points such as client age range, ideological affiliation, and services rendered are provided to demonstrate trends for the period of April 2022 to March 2023. As this paper will demonstrate, ETA’s services are grounded in engagement, outreach, case management (multi-agency service delivery), psychotherapy, religious counselling, peer support and forensic consultation, which is reflected in the evolving CVE literature and evidence-base.
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 | 0,002 | 0,007 |
| 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 | 0,006 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».