Under the Influence? Factors That Impact Canadian’s Confidence in Police
Notice bibliographique
Résumé
The public’s confidence in police is a crucial factor to a police department’s ability to serve its community effectively. However, not everyone in a democratic society feels confident in the police’s ability to protect and serve their community. Factors including race, gender, age, education, income, neighbourhood crime perceptions, and past discrimination have all been found to have significant impacts on an individual’s confidence in police. These factors have not been evaluated in tandem, nor have they been adequately reviewed in a Canadian context. Using the 2014 Canadian General Social Survey, this study answers the following three questions: 1) How does confidence in police vary by education? 2) Do neighbourhood perceptions of crime and household income affect confidence in police? Using Kimberlé Crenshaw’s theory of intersectionality to identify interacting and multiplying dimensions of disadvantage, this paper further explore 3) how does confidence in police differ across visible minorities and immigrants with similar levels of education? Through descriptive statistics, binary and ordered logistic regressions, this study found that, overall, education was positively associated with confidence in police; individuals who believe they live in high crime neighbourhoods were less likely to have confidence in the police; and household income negatively impacts confidence in police for those who make under $79,999 and visible minorities. Lastly, this study found that immigrants with higher education were less likely to be confident in the police, a finding revealed through an intersectional analysis relative to white, native-born individuals. Police services and policymakers may find these results useful to improve community perceptions and relationships with the public.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| 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 ».