Replication code for "Long-Term Exposure to Neighborhood Policing and the Racial/Ethnic Gap in High School Graduation"
Notice bibliographique
Résumé
Researchers are increasingly exploring the consequences of policing for the educational outcomes of minority youth. This study contributes to this literature by asking three questions. First, what are racial/ethnic disparities in long-term exposure to neighborhood policing? Second, how does this exposure affect high school graduation? Third, how much of the ethnoracial gap in high school graduation would remain if neighborhood policing was equalized? To address these questions, we use data from the New York City Department of Education and follow five cohorts of NYC public school students from middle to high school. Our findings reveal starkly different experiences with neighborhood policing across racial/ethnic groups. Using novel methods for time-varying treatment effects, we find that long-term exposure to neighborhood policing has negative effects on high school graduation, with important differences across racial/ethnic groups. Using gap-closing estimands, we show that assigning a sample of Black and Latino students to the same level of neighborhood policing as White students would close the Black–White gap in high school graduation by more than one quarter and the Latino–White gap by almost one fifth. Alternatively, we explore interventions where policing is solely a function of violent crime, which close the Black–White gap by as much as one tenth. Our study advances previous research by focusing on cumulative, long-term exposure to neighborhood policing and by assessing various counterfactual scenarios that inform research and policy.
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 | 0,018 | 0,166 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,012 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,372 | 0,148 |
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 ».