The Great Rise . . . and Then the Great Fall: Toronto Police Service's Enforcement of the <i>Ontario Safe Streets Act</i>, 2000–2022
Bibliographic record
Abstract
Le présent article repose sur une analyse des statistiques secondaires obtenues auprès du service de police de Toronto (SPT) et du bureau du procureur général de l'Ontario relativement à la Loi sur la sécurité dans les rues de l'Ontario (LSRO). La loi, entrée en vigueur en 2000, ciblait la mendicité agressive, la sollicitation d'un auditoire captif et la disposition non sécuritaire des préservatifs et des aiguilles usagés, ainsi que du verre brisé. Les statistiques révèlent que les contraventions découlant de la LSRO ont augmenté régulièrement à Toronto entre 2000 et 2012, puis ont chuté abruptement entre 2013 et 2021. Les auteurs contestent la proposition du SPT et du Bureau du procureur général selon laquelle cette baisse découle de l'effet dissuasif de la loi, car aucune donnée n'appuie cette hypothèse. Pour expliquer clairement la baisse des contraventions, les cinq facteurs suivants doivent être pris en compte : 1) les changements au nombre d'officiers du SPT sur 100 000 habitants entre 2000 et 2021, 2) le démantèlement de l'unité des mesures de répression ciblées et stratégiques en 2012, 3) les changements aux contraventions émises à l’égard de toutes les violations à la Loi sur le Code de la route de l'Ontario depuis dix ans, 4) les modifications plus générales aux pratiques de contravention liées à la LSRO et 5) l’élimination des contrôles policiers dans les rues. L'article conclut en soulignant que cette baisse sera perçue par les critiques comme une évolution positive, même si elle reflète seulement l'acceptation de l'inutilité de ces contraventions auprès des personnes incapables de payer, et en avançant qu'il serait peut-être temps d'aller plus loin et d'abroger la LSRO, puisqu'elle cible injustement des citoyens marginalisés, y compris les personnes en situation d'itinérance.
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 | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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 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".