Crime et châtiment : bisbille au paisible royaume? : Comprendre la confiance envers la police au Canada
Bibliographic record
Abstract
Depuis plusieurs années, la représentation des instances de brutalité policière dans les médias modernes suscite l'émoi. Ces événements, qui montrent la police sous ses pires angles et exposent au grand jour les lacunes de l'institution policière, se sont récemment multipliés à travers le monde. Le Canada ne se soustrait pas à cette tangente. Certains diraient que le Canada n'est plus le « paisible royaume » qu'il a déjà été, s'il l'a déjà été. Au pays, les actions des corps policiers entourant les morts de Fredy Villanueva et de Chantal Moore, ainsi que les manifestations du sommet du G20 à Toronto en 2010 et celles de 2012 au Québec sont encore fraîches dans les mémoires des Canadiens. Il n'est donc pas étonnant que les événements récents survenus lors des manifestations contre le racisme aux États-Unis aient rouvert des plaies jusqu'au Canada et attiré l'attention du reste du monde. La relation avec la police et les perceptions du public face à celle-ci sont cruciales dans une société démocratique telle que celle du Canada. Malgré cela, la formation des attitudes quant à la police au Canada - et plus précisément la confiance et la méfiance - reste sous-étudiée. C'est dans cette optique que le présent mémoire s'est intéressé aux déterminants et aux raisons de la confiance et de la méfiance envers la police au Canada. Les résultats des analyses réalisées montrent que la confiance envers la police au Canada peut s'expliquer principalement en termes institutionnels et, dans une moindre mesure, en termes psychosociaux et structurels. Les résultats des analyses subséquentes montrent qu'il existe présentement six profils-types de méfiance envers la police au Canada, et que l'appartenance à un de ces types peut s'expliquer au moins partiellement par des facteurs sociodémographiques. Ce mémoire contribue d'abord à mettre à jour la littérature sur l'opinion publique et la confiance envers la police, puis à la bonifier. Il représente une première étude s'intéressant de manière aussi complète à la confiance envers la police dans le contexte canadien.
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 | 0.001 | 0.002 |
| Science and technology studies | 0.033 | 0.016 |
| Scholarly communication | 0.012 | 0.003 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 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".