Profil spatial des infractions sexuelles à Austin, au Texas
Bibliographic record
Abstract
Les études portant sur les crimes et les lieux ont toujours insisté sur l’importance de comprendre le profil spatial des crimes à l’aide d’unités d’analyse de plus en plus réduites. Même si de nombreuses études ont adopté cette perspective, peu se sont intéressées spécifiquement aux crimes à caractère sexuel. La présente étude se sert des données d’incidents enregistrés par la police pour étudier la distribution spatiale des infractions sexuelles ayant eu lieu entre le 1erjanvier 2016 et le 31 décembre 2018 à Austin, au Texas (N = 1381). Les infractions ont d’abord été divisées selon l’âge des victimes (enfant ou adulte) et le type d’acte sexuel perpétré (infraction sexuelle avec pénétration, avec contact et sans contact), ensuite trois mesures de concentration spatiale, des analyses de noyaux de densité et des analyses de dispersion spatiale ont été réalisées. Les résultats montrent que les infractions sexuelles commises contre des enfants et des adultes étaient concentrées dans l’espace, mais que leur degré de concentration dépendait du type d’acte commis. De plus, les analyses de dispersion spatiale semblent montrer que les segments de rue (et les intersections) où ont lieu de telles infractions diffèrent en fonction de la nature de l’acte sexuel perpétré. Les implications pour la prévention situationnelle et le maintien de l’ordre (policing) seront discutées.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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; 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".