Définir et mesurer l’adhésion à la culture des gangs de rue
Bibliographic record
Abstract
L’adhésion à la culture des gangs de rue est au nombre des explications de la grande propension au crime des contrevenants associés à ces groupes. Or, peu de personnes se sont penchées spécifiquement sur l’opérationnalisation du concept. Les objectifs de la présente étude sont de définir la culture de gang, de décrire ses composantes et de proposer une mesure de l’adhésion à la culture de gang. D’abord, l’article présente une recension des écrits sur la culture des gangs de rue. Nous proposons une définition et une opérationnalisation du concept de culture de gang. Ensuite, l’article présente le processus de développement d’une mesure de l’adhésion à la culture de gang (MAC g ). Enfin, l’article fait état des données préliminaires de la MAC g qui a été administrée à 204 contrevenants mineurs et adultes. Les résultats des analyses des calculs des coefficients alpha de Cronbach et des corrélations item-total corrigées révèlent la bonne cohérence interne de la MAC g . Une mesure de l’adhésion à la culture de gang présente de nombreuses utilités. Elle contribue, d’une part, aux efforts de résolution des problèmes conceptuels et méthodologiques auxquels se heurte l’étude de l’influence des gangs sur les conduites délinquantes. D’autre part, elle peut servir l’amélioration des pratiques d’évaluation des contrevenants identifiés comme membres de gang.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".