Notice bibliographique
Résumé
Universities across the country employ special constables as part of their efforts to create safe campus environments. These officers engage in a variety of responsibilities, and are often the first to respond to students, staff, and faculty experiencing safety concerns. This thesis examines the role of special constables in Ontario post-secondary campuses and their perceptions of the work they do on campus. Interviews with forty special constables employed across Ontario universities garnered a glimpse into the type of work that campus safety officers respond to, the value they perceive of the work undertaken, the impression they believe others have of them as special constables, and their interactions with students while addressing issues of safety and security on campus. While campus crime management (including behavioural concerns related to safety) relies upon campus safety, few studies focus on the those directly responsible for addressing crime on campus (Allen, 2015). Findings illustrate that there is a lack of understanding of the work undertaken by special constables, and a perceived lack of respect and support. Theories that guided the research included Human Development & Capabilities Approach, student development theories, and critical race theory. Aspects of the Capabilities Approach, such as what one achieves and how they are able to garner achievements, along with what one values as part of their well-being and whether the social environment supports well-being (Sen, 1997) are used to understand the officers’ motivations, values, and preparedness for the role they hold. Student development theories provide insight into the campus student community, those key actors with whom officers interact, and the impact of these interactions. Finally, critical race theory is used to examine policing as a research theme both from the perspectives of those who are policed and those doing the policing. In particular, it provides insight into the narratives of Black officers working as special constables in a post-secondary environment as well as issues of intersectionality and oppressions experienced by officers.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 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 ».