MétaCan
Menu
← Retour à la cohorte
Enregistrement W766366402 · doi:10.71781/23630

Analyse de la mobilité spatio-temporelle des armes à feu volées au Québec

2012· dissertation· fr· W766366402 sur OpenAlexaboutno aff
Dominik Blais

Notice bibliographique

RevueOpen MIND · 2012
Typedissertation
Languefr
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArtPolitical science

Résumé

récupéré en direct d'OpenAlex

Dans ce mémoire, les armes à feu impliquées dans la commission de crimes sont étudiées à partir de leur mobilité spatio-temporelle. Afin d’opérationnaliser cette mobilité, deux mesures spécifiques ont été créées, soit le « temps-au-recouvrement » et la « distance-au-recouvrement ». Ces mesures permettent d’analyser les répercussions des armes à feu en circulation illégale sur la formation du marché illégal dans le territoire québécois. Des analyses descriptives ont d’abord été effectuées dans cette étude à partir de trois segments de la banque de données québécoise des armes à feu recouvrées : la banque complète, les armes à feu impliquées dans la commission de crimes et les armes volées. Le sous-groupe de 501 d’armes à feu volées est le seul qui a été soumis à des analyses de régressions multiples sur la mobilité puisque ces armes sont les seules permettant d’avoir plus d’informations sur leur mouvement antérieur au recouvrement par les autorités policières. Les résultats montrent qu’il y a une mobilité spatio-temporelle plus importante chez les armes de poing, celles impliquées dans les crimes de marché, les armes non-enregistrées ainsi que celles sans restriction. Afin de mieux comprendre la dynamique des armes volées, le statut de l’enregistrement s’avère la variable la plus importante puisqu’elle permet de déterminer à quel point ces armes vont être enracinées dans le marché illégal au Québec. Effectivement, les armes volées non-enregistrées sont plus susceptibles de converger vers les marchés criminels, ce qui augmente considérablement leur « durée » de vie et leur mobilité dans la province.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,092

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,007
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,280
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetTraffic and Road Safety→Travaux en français237 207→