L’impact du couvre-feu de janvier 2021 sur la criminalité à Montréal : une analyse spatio-temporelle
Notice bibliographique
Résumé
Le contexte particulier de la pandémie de la COVID-19 a engendré pour tous des bouleversements sociaux et économiques et plusieurs mesures exceptionnelles ont été mises en place, dont celle du couvre-feu, imposée au Québec en date du 9 janvier 2021 à 20 h 00. Les politiques adoptées pour atténuer la propagation de la COVID-19 constituent une expérience sociale sans précédent. La théorie des activités routinières prédit que les mesures qui influencent les activités sociales auront un impact certain sur la criminalité. Le couvre-feu a considérablement réduit les probabilités d’un tel regroupement, du moins pendant une période définie (par exemple, de 20 h 00 à 5 h 00). Il est possible que le couvre-feu ait pu avoir un impact sur la délinquance, mais aussi sur son déplacement dans l'espace et dans le temps. L’objectif de cette recherche est d’évaluer l’impact du couvre-feu imposé en janvier 2021 sur la criminalité dans la ville de Montréal. Plus spécifiquement, ce mémoire vise à évaluer : (1) s’il y a eu une augmentation ou une diminution de la criminalité, tout en examinant l’impact sur les différents types de crimes, (2) les heures de commission des délits et les types de lieux affectés par ces variations. Les analyses de type spatio-temporelles sont basées sur les données officielles de la criminalité du Service de police de la ville de Montréal (SPVM). Alors que la plupart des études disponibles jusqu'à présent se sont penchées sur l'impact du COVID sur le nombre de crimes (enregistrés), celle-ci recherche spécifiquement l'existence de déplacement dans l'espace et dans le temps. Ce mémoire apporte donc une contribution importante à la littérature sur les impacts d’un couvre-feu sur le crime. En effet, les résultats indiquent que la criminalité diminue initialement à la suite de l’imposition du couvre-feu, cependant cette perturbation est temporaire uniquement. De plus, un déplacement temporel est constaté puisque les taux de crimes sont plus élevés dans les heures où la mesure n’est pas en vigueur. Au niveau géographique, il n’y a pas de déplacement spatial de la criminalité observé à la suite du couvre-feu. Il est intéressant pour les décideurs de connaître les impacts de ce type de mesure sur la criminalité.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».