Évaluation des impacts d’une « gestion de crise » : une étude de cas
Bibliographic record
Abstract
Le présent article propose une analyse des fluctuations quotidiennes de la criminalité lors de la perturbation majeure provoquée par une panne d’électricité, à l’occasion de la tempête du verglas survenue en janvier 1998 au Québec. Nous nous intéressons plus particulièrement aux principales causes pouvant exercer un impact sur les variations quotidiennes de la criminalité. La dissuasion engendrée par une mobilisation massive des forces de l’ordre et l’altruisme institutionnel attribuable à l’intervention des pouvoirs publics dans le soutien des sinistrés impliquent un impact à la baisse sur les taux de la criminalité (Marvell et Moody, 1996 ; Levitt, 1997 ; Messner et Rosenfeld, 1997 ; Savolainen, 2000). Les analyses indiquent la présence d’un effet direct de l’augmentation des contrôles publics sur le nombre d’infractions signalées dans les zones sinistrées. D’autre part, les interventions publiques en Montérégie 1 (dissuasion et altruisme institutionnel) génèrent des effets significatifs à la baisse sur : 1) les crimes contre la propriété lorsque les effectifs policiers augmentent ; 2) les crimes contre la propriété lorsqu’il y a distribution de chèques d’aide financière aux sinistrés ; 3) les autres crimes lorsque le nombre de personnes hébergées dans les centres publics augmente. Pour la région de Montréal, nous observons que le déploiement des effectifs policiers a provoqué une baisse significative des crimes contre les biens et des crimes contre la personne. De plus, le déploiement des militaires a également provoqué une baisse des crimes contre les biens.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 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) | 0.002 | 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 teacher head, 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".