MétaCan
Menu
Back to cohort
Record W4401389862 · doi:10.7202/1112611ar

Étude des motivations à devenir policier : un regard sur l’avis des étudiants québécois inscrits au programme de formation policière

2024· article· fr· W4401389862 on OpenAlexaffvenueabout
Marie-Ève Beaucage, Rémi Boivin, Annie Gendron, Frédéric Ouellet

Bibliographic record

VenueCriminologie · 2024
Typearticle
Languagefr
FieldSocial Sciences
TopicPolicing Practices and Perceptions
Canadian institutionsMontreal Police ServiceUniversité de Montréal
Fundersnot available
KeywordsHumanitiesPolitical scienceArt

Abstract

fetched live from OpenAlex

Les études sur les motivations à devenir policier sont rares, particulièrement dans la francophonie. De plus, la possibilité que les motivations changent au fil du temps est largement ignorée, même si les futurs policiers sont, pour la majorité, à une période cruciale du développement humain, soit la vie d’adulte émergente. Cet article vise à suivre l’évolution des motivations de 437 futurs policiers du Québec ainsi qu’à vérifier l’existence de liens entre les profils motivationnels, les aspirations professionnelles et le sexe, l’âge et l’origine culturelle des répondants. Les résultats proposent que le désir d’aider les gens reste la motivation ayant suscité l’intérêt de la majorité des étudiants, indépendamment de leur année de formation et de leurs caractéristiques individuelles. L’analyse des motivations a aussi permis de déterminer que le choix d’entrer dans la police se distribue selon un profil missionnaire ou judicieux. Enfin, les résultats suggèrent que plusieurs (futurs) policiers choisissent ce métier pour sa mission, mais que les motivations peuvent changer en fonction de l’âge biologique et de l’avancement dans les études. Concrètement, cela signifie qu’il est raisonnable d’anticiper des changements entre l’admission à la formation policière et l’achèvement de celle-ci, et d’ajuster les critères d’admission en conséquence.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.617
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0020.002
Scholarly communication0.0010.003
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0000.001

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.

Opus teacher head0.454
GPT teacher head0.421
Teacher spread0.033 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations2
Published2024
Admission routes3
Has abstractyes

Explore more

Same venueCriminologieSame topicPolicing Practices and PerceptionsFrench-language works237,207