MétaCan
Menu
Retour à la cohorte
Enregistrement W6989682503

Black and Blue: Deconstructing #DefundThePolice

2022· dissertation· en· W6989682503 sur OpenAlexaboutno aff

Notice bibliographique

RevueThe Atrium (University of Guelph) · 2022
Typedissertation
Langueen
DomaineSocial Sciences
ThématiquePolicing Practices and Perceptions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDecriminalizationRacismPolice brutalitySocial mediaInterpretation (philosophy)Variety (cybernetics)Community policing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The demand to address police racism by “defunding the police” echoed on- and offline in the summer of 2020 following the police murder of George Floyd, but it was not always clear what defunding the police entails. Through an analysis of 300 stories posted on the CBC News and CTV News websites between May 25, 2020, and September 30, 2021, this study addresses the construction of the Defund the Police campaign in Canadian online news media and how reflective this construction is of the campaign’s official objectives. Black Lives Matter organized the Defund the Police campaign as a demand for: (1) alternatives to police services; (2) decriminalization; and (3) disarmament, demilitarization and technology. Yet, news media prioritized calls for alternatives to police services, while providing less attention to disarmament, demilitarization and technology demands, and largely excluding decriminalization from defunding conversations altogether. More generally, the news media constructed the Defund the Police campaign around three fluid interpretations: defunding as a call to remove and abolish police, as a call for budgetary reallocation and alternatives to police, and as a call for police reform and accountability. Despite a variety of perspectives, support for a reallocation and alternatives interpretation of defunding was most prominent within the news media, suggesting that police budget cuts in favour of community supports will be the focus of defunding policy in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,524
Score d'incertitude au seuil0,947

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0270,075
Communication savante0,0240,015
Science ouverte0,0020,009
Intégrité de la recherche0,0060,010
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,033
Tête enseignante GPT0,309
Écart entre enseignants0,276 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Atrium (University of Guelph)Même sujetPolicing Practices and PerceptionsTravaux en français237 207