L’impact de la démographie sur les tendances de la criminalité au Québec de 1962 à 1999
Bibliographic record
Abstract
L'âge est une variable centrale pour l'analyse et La compréhension du phénomène criminel. Au plan individuel, de nombreuses études montrent que la délinquance apparaît dès le début de l'adolescence, culmine vers 17 ans et diminue par la suite. Si le crime est fortement associé à l'âge, des changements dans la structure démographique de la population devraient avoir une incidence sur l'évolution de la criminalité. Cet article présente l'analyse des rapports entre l'évolution de la démographie québécoise et l'évolution de la criminalité de 1962 à 1999. Les résultats de la présente étude sont surprenants. D'une part, la courbe âge et crime au Québec, en 1999, ne correspond pas à ce qu'on retrouve habituellement dans la littérature scientifique. Les courbes d'arrestations pour voies de faits, agressions sexuelles et vols qualifiés montrent des suspects particulièrement âgés. D'autre part, les modèles ARMA-AREG indiquent que ce sont les variations dans le nombre d'adultes, plus particulièrement les 30- 39 ans, qui influencent le plus l'évolution de la criminalité. Des pistes de réflexion découlant de la théorie des opportunités criminelles sont proposées.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".