Innovation et « policing » : l’adoption des médias sociaux par les membres des organisations policières du Québec
Bibliographic record
Abstract
Les médias sociaux, tels que Facebook, Twitter et YouTube, seraient de plus en plus utilisés par la police afin de communiquer avec les citoyens, mais également afin de collecter des informations sur des suspects et afin de gérer des situations de crise (Altunbas, 2013; Denef, Bayerl et Kaptein, 2013; Frank, Cheng et Pun, 2011; IACP, 2013b). Par contre, ces observations s’appuient principalement sur des entrevues réalisées auprès des membres des organisations policières spécifiquement attitrés à l’utilisation des médias sociaux, tels que les enquêteurs affectés à la cybercriminalité. Ainsi, l’utilisation des médias sociaux par les autres membres demeure méconnue et il est impossible d’établir l’impact de cette technologie sur le « policing » dans son ensemble. L’objectif de la présente recherche est donc de décrire l’adoption des médias sociaux par les organisations policières du Québec en tenant compte de la diversité des acteurs et de leurs activités (Brodeur, 2010). Afin d’atteindre cet objectif, un questionnaire portant sur l’utilisation des médias sociaux en contexte de travail a été rempli par 177 membres des forces de l’ordre, soit 47 patrouilleurs, 42 enquêteurs, 67 analystes et 21 gestionnaires provenant de six organisations policières de la province du Québec. Les résultats révèlent que les médias sociaux deviennent un nouvel outil d’information pour la grande majorité d’entre eux, mais également un outil permettant à certains membres d’entrer en communication avec la population. Le niveau d’adoption des MS est moins important chez les patrouilleurs et superviseurs que chez les deux autres groupes. De plus, pour la majorité d'entre eux les médias sociaux représentent un outil parmi tant d'autres, alors que pour quelques membres ils deviennent leur outil principal de travail. Quant aux facteurs explicatifs, l’adoption des médias sociaux serait influencée par des facteurs organisationnels, mais également par la perception qu’ont les membres des médias sociaux. Alors que chez les groupes des enquêteurs et des analystes c’est principalement le fait d’occuper un poste de spécialiste qui détermine le niveau d’utilisation de l’outil, l’adoption chez les patrouilleurs dépend plutôt de la perception de la compatibilité de l’outil avec les activités de la police.
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 | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.006 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".