STOPMTL.ca: Rapport préliminaire 2023
Notice bibliographique
Résumé
Le projet stopmtl.ca utilise une méthodologie de cartographie participative pour permettre aux individus de signaler leurs expériences d’interpellation policière dans la ville de Montréal, au Canada. Entre le 14 juillet 2021 et le 21 décembre 2021, un total de 714 expériences d’interpellation par la police a été reporté sur le site Web stopmtl.ca. Parmi ces contributions, environ 28 % (N = 197) ont été exclues en raison d’une erreur de programmation qui a entraîné la duplication des cas. Parmi les autres contributions (N = 517), 21 % étaient soupçonnées d’être des fausses données et 7 % ont été exclues en raison de données manquantes. Au total, 369 expériences d’interpellation par la police ont été retenues (71 %). Une analyse descriptive des données suggère que la plupart des interpellations par la police ont été signalées par des hommes (74 %), des personnes s’identifiant comme étant blanches (55 %), hétérosexuelles (70 %) et âgées de 19 à 24 ans (27 %). L’identité racioethnique noire était la deuxième identité racioethnique la plus fréquente (17 %). En termes de distribution spatiale, les interpellations ont été rapportées comme se produisant le plus fréquemment dans les arrondissements de Côte-des-Neiges (13 %) et de Ville-Marie (12 %) à Montréal. Près de la moitié des interpellations signalées ont eu lieu en 2021 (49 %), et le plus souvent pendant les mois d’été (mai-août) (65 %), avec un pic en juillet (33 %). La plupart des interpellations ont eu lieu pendant que les personnes étaient dans leur véhicule (42 %) ou en marchant (23 %). Les répondants pouvaient identifier plusieurs raisons pour lesquelles ces derniers pensaient avoir été arrêtés. La raison la plus fréquemment citée était ce que faisait la personne (39 %), suivie de son apparence (30 %). Des proportions à peu près égales d’interpellations policières ont été considérées comme justifiées (41 %) et non justifiées (43 %). Il existe plusieurs similitudes entre les caractéristiques des expériences d’interpellation policière autodéclarées sur stopmtl.ca et les interpellations enregistrées par la police dans la ville de Montréal. En particulier, il semble y avoir une distribution spatiale comparable des interpellations dans les deux jeux de données, ainsi que des indications d’une distribution sociale comparable (par exemple, le genre, l’âge et l’identité racioethnique des personnes interpellées). Cependant, les données sur les expériences d’interpellations autodéclarées sont limitées à plusieurs égards. En particulier, pour les interpellations autodéclarées pour lesquelles on dispose des données indiquant si le répondant a reçu une sanction à la suite de son interpellation (c’est-à-dire une amende, une arrestation ou une mise en accusation) (N = 129), 42 % ont déclaré que leur interpellation a donné lieu à une sanction. Cela limite la capacité d’établir des similitudes entre les données autodéclarées et les données enregistrées par la police (qui excluent toutes les interpellations menant à une sanction). Bien que des critères aient été appliqués pour exclure les données suspectées d’être fausses, il n’est pas possible d’établir la véracité des interpellations autodéclarées. Néanmoins, ces résultats descriptifs préliminaires donnent un aperçu des personnes qui ont rapporté leurs expériences d’interpellations et des types d’interpellations qui ont donné lieu à ces rapportages. En outre, les données donnent un aperçu de la perception qu’ont les citoyens de leurs expériences d’interpellation par la police. Les futures directions de la recherche, y compris des analyses de validation et une deuxième vague de collecte de données, sont discutées.
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 | 0,070 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,013 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,073 | 0,023 |
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 ».