Geographic approach to crime in the Dakar urban area : Observation from the Pikine department.
Notice bibliographique
Résumé
La criminalité, comme élément d'étude en sciences humaines et sociales, est le domaine de prédilection des sociologues, historiens et juristes. Malgré le renouveau des outils d'analyse spatiale et de l'implication de l'environnement immédiat dans les faits socio-spatiaux, peu de géographes s’y sont intéressés. Leur absence n’a pas empêché une forte utilisation de leurs techniques et méthodologies de travail, notamment la cartographie. Claire Cunty (2007) considère, même, cet outil comme le début de l’entrée de la géographie dans la criminologie. Plusieurs études, réalisées sur la criminalité, par d’autres chercheurs des sciences sociales, en Amérique du Nord et un peu en Europe, renforcent cette assertion de Cunty.Cependant, de plus en plus, dans le monde occidental, des géographes commencent à s’intéresser à la montée de l’insécurité en milieu urbain. Des thèses en géographie et des travaux collectifs de chercheurs, auxquels participent des géographes, viennent contribuer chaque année au développement de la recherche dans la criminologie. Dans des pays, comme les Etats Unis, le Canada, l’Angleterre, la France…, les géographes travaillent en étroite collaboration avec les services de police judiciaire et les collectivités locales sur les questions de la criminalité et de la gestion de la sécurité publique. Au Sénégal, comme partout en Afrique, les géographes ont totalement délaissé ce terrain d’étude intéressant aux juristes, historiens et sociologues. Même si quelques études ont été faites sur l’analyse spatiale de la criminalité, elles relèvent souvent des travaux de chercheurs abordant la dimension parcellaire de la question, à des fins d’activités de consultance ou brèves présentations pour les besoins de séminaires ou colloques sur l’insécurité. Quasiment aucune étude approfondie relevant d’un géographe n’a été observée dans un pays caractérisé par une forte urbanisation et une importante population jeune. Selon un rapport de l’Agence Nationale des Statistiques et de la Démographie (ANSD, réalisé en 2017-2018, le taux d’urbanisation du Sénégal s’élève à 45 %, et la moitié de la population a moins 18 ans.Ainsi, notre recherche, qui s’ancre dans l’agglomération urbaine dakaroise avec comme cas d’étude la ville de Pikine, vise à montrer l’importance de développer une approche géographique de la criminalité en milieu urbain, surtout dans le contexte africain.Comme l’avait fait Denis Szabo (1960) , l’un des premiers géographes contemporains à avoir croisé l’étude du crime et de l’espace , notre travail s’applique à transcrire les données quantitatives et qualitatives sur la criminalité, toutes recueillies auprès des services spécialisés et des populations, en informations spatiales. Dans cette perspective, on cherche à corréler les données recueillies avec divers autres déterminants géographiques, afin de tisser des liens entre ces deux niveaux de lecture.Choisie comme zone d’étude, la ville de Pikine est l’un des quatre départements de la capitale du Sénégal : Dakar, le département le plus peuplé du Sénégal. L’histoire urbaine en a fait la première banlieue sénégalaise. Sa morphologie laisse apparaitre toutes les formes spatiales / d’urbanisme caractéristiques de la ville africaine. Des quartiers lotis habités par la classe moyenne aux quartiers non lotis des pauvres s’ajoutent des zones non aedificandi, refuges des migrants issus de l’exode rural, de la migration sous-régionale et de celle – interurbaine – en quête d’un avenir meilleur à Dakar. Toutes ces particularités font de la ville une zone heuristique pour les chercheurs.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».