1 THE GEOGRAPHY OF URBAN ARSON IN TORONTO THE GEOGRAPHY OF URBAN ARSON IN TORONTO By
Notice bibliographique
Résumé
Arson has economic, structural and psychological repercussions. As a crime with such wide-ranging consequences, it has received little academic attention. Our goal in this research is to highlight how arson can be understood from two perspectives: the anthropogenic environment and the physical environment. Study one employs a generalized linear mixed regression model to explore the relationship between street network permeability and the incidence of deliberately-set fire events in the City of Toronto. This research aims to highlight the important influence that navigation of the built environment has on crime, specifically arson, in addition to the social characteristics of place that support criminal behaviour. We hypothesize that neighbourhoods with more permeable (less complex) street networks are more likely to be affected by deliberately-set fire events in the case of Toronto. Also using a multivariate regression model, study two aims to highlight the role of heat aggression on the incidence of fire-setting behaviour in the same study region. We consider fire events occurring between the months of May through September, and particularly those occurring during extended heat-wave conditions. We hypothesize that prolonged episodes of high temperatures will have a positive relationship with arson events. This research highlights that two conceivably different forms of geography (anthropogenic and physical) can impact that same phenomena: criminal fire-setting behaviour.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».