L'avenir du travail policier
Bibliographic record
Abstract
Cet ouvrage tente de cerner les tendances sociales, technologiques ou économiques associées à l'avènement d'Internet et à la mondialisation des échanges qui transforment le travail policier. Il s'agit d'un portrait précis et exhaustif de cette mouvance qui influence et façonne irrémédiablement les pratiques professionnelles des institutions chargées de faire appliquer la loi et de garantir la sécurité des citoyens.À la fois bilan de ce qui est à retenir ou à rejeter et photographie des meilleures avenues pour penser l'avenir, on y aborde cinq thèmes, tous en relation avec la réalité du Canada : l'extrémisme violent, la cybercriminalité, les critères de mesure de l'efficacité du travail policier, les médias sociaux et enfin l'usage des algorithmes. Ce collectif réunit cinq chercheurs de grande réputation qui analysent et documentent la nature de cette évolution sociétale sur les organisations policières dans un contexte technologique en perpétuel mouvement.Il s'adresse particulièrement aux chercheurs et aux étudiants en criminologie et en science politique, mais aussi aux politiques, aux gestionnaires policiers et aux journalistes qui couvrent les affaires criminelles ; enfin à tous ceux qui s'intéressent au fonctionnement 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 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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.011 | 0.009 |
| Scholarly communication | 0.014 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.025 | 0.004 |
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".