Notice bibliographique
Résumé
Following 9/11, Canadian and American governments took steps to protect themselves from future acts of terrorism. The introduction of anti-terrorism legislation in the form of the Patriot Act in the US and the Anti-Terrorism Act in Canada strengthens connections among federal, state and municipal police enforcement. The new legislation increases police powers, whereby police departments are now subject to implementing terrorism strategies in addition to their regular duties. This study questions how Canadian and American police departments employ new terrorism laws and policies. Utilizing a qualitative approach, twelve departments located in states in the mid west, west and southwest and the province of Ontario took part in interviews for this study. Eight American and 4 Canadian police chiefs and managers provide insight into police response to new anti-terrorism laws and policy. The study is framed around a conceptual analysis examining policy instruments employed by government in the form of mandates and inducements. Capacity building includes the actions of government investing in the implementation of policy. Implementation of anti-terrorism and counter-terrorism policy by both Canadian and American federal governments promotes interagency connectedness in the promotion of proactive and reactive response measures. Intelligence gathering and preparation for disaster response is influenced by availability of personnel, funding and education. The importance placed on counter- and anti-terrorism policy by police is influenced by the size of the department, national differences, geographical position and funding. How police interact with their communities influences government laws and policies for implementation of counter- and anti-terrorism responses at the department level. Relationships between police and community shape how laws and policy are put into practice at the street level.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».