Les prêteurs sur gage dans le marché des biens volés à Montréal et leur impact sur la criminalité contre les biens
Bibliographic record
Abstract
L’objectif de cette recherche est de situer l’importance des prêteurs sur gage dans le marché du recel à Montréal et d’analyser leur impact sur les taux de criminalité contre les biens. Cette étude s’inscrit dans le cadre théorique d’études récentes sur l’impact des receleurs sur l’offre de biens volés. Les données proviennent de différentes sources : recensements des prêteurs sur gage ; statistiques policières officielles ; rapports d’événement et dossiers d’enquête ; entrevues avec des voleurs. Dans un premier temps, nous avons procédé à l’analyse d’une hypothèse soulevée par la revue de la littérature, soutenant que les établissements de prêt sur gage sont associés géographiquement aux cambriolages résidentiels et, par le fait même, qu’ils favorisent la criminalité contre les biens à l’intérieur même des quartiers dans lesquels ils sont situés. Au départ, l’hypothèse que les receleurs ou la demande organisée de biens volés influencent l’offre semblait avoir un certain mérite. Dans les faits, la simple covariation dans l’espace urbain entre les prêteurs sur gage et les crimes contre la propriété ne permet pas de nous assurer de la validité de cette hypothèse. Par conséquent, dans un deuxième temps, des opérations de recherche supplémentaires ont été effectuées afin d’évaluer l’impact des prêteurs sur gage sur les crimes d’acquisition dans l’espace et dans le temps. Bien que les prêteurs sur gage soient une option utilisée par les voleurs pour écouler les biens volés, les résultats ne nous permettent pas de conclure qu’ils stimulent de manière significative le volume des délits d’acquisition.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".