Approche géographique de la criminalité dans l’agglomération urbaine de Dakar : observation à partir du département de Pikine.
Bibliographic record
Abstract
La criminalité, comme élément d'étude en sciences humaines et sociales, est le domaine de prédilection des sociologues, historiens et juristes. Malgré le renouveau des outils d'analyse spatiale et de l'implication de l'environnement immédiat dans les faits socio-spatiaux, peu de géographes s’y sont intéressés. Leur absence n’a pas empêché une forte utilisation de leurs techniques et méthodologies de travail, notamment la cartographie. Claire Cunty (2007) considère, même, cet outil comme le début de l’entrée de la géographie dans la criminologie. Plusieurs études, réalisées sur la criminalité, par d’autres chercheurs des sciences sociales, en Amérique du Nord et un peu en Europe, renforcent cette assertion de Cunty.Cependant, de plus en plus, dans le monde occidental, des géographes commencent à s’intéresser à la montée de l’insécurité en milieu urbain. Des thèses en géographie et des travaux collectifs de chercheurs, auxquels participent des géographes, viennent contribuer chaque année au développement de la recherche dans la criminologie. Dans des pays, comme les Etats Unis, le Canada, l’Angleterre, la France…, les géographes travaillent en étroite collaboration avec les services de police judiciaire et les collectivités locales sur les questions de la criminalité et de la gestion de la sécurité publique. Au Sénégal, comme partout en Afrique, les géographes ont totalement délaissé ce terrain d’étude intéressant aux juristes, historiens et sociologues. Même si quelques études ont été faites sur l’analyse spatiale de la criminalité, elles relèvent souvent des travaux de chercheurs abordant la dimension parcellaire de la question, à des fins d’activités de consultance ou brèves présentations pour les besoins de séminaires ou colloques sur l’insécurité. Quasiment aucune étude approfondie relevant d’un géographe n’a été observée dans un pays caractérisé par une forte urbanisation et une importante population jeune. Selon un rapport de l’Agence Nationale des Statistiques et de la Démographie (ANSD, réalisé en 2017-2018, le taux d’urbanisation du Sénégal s’élève à 45 %, et la moitié de la population a moins 18 ans.Ainsi, notre recherche, qui s’ancre dans l’agglomération urbaine dakaroise avec comme cas d’étude la ville de Pikine, vise à montrer l’importance de développer une approche géographique de la criminalité en milieu urbain, surtout dans le contexte africain.Comme l’avait fait Denis Szabo (1960) , l’un des premiers géographes contemporains à avoir croisé l’étude du crime et de l’espace , notre travail s’applique à transcrire les données quantitatives et qualitatives sur la criminalité, toutes recueillies auprès des services spécialisés et des populations, en informations spatiales. Dans cette perspective, on cherche à corréler les données recueillies avec divers autres déterminants géographiques, afin de tisser des liens entre ces deux niveaux de lecture.Choisie comme zone d’étude, la ville de Pikine est l’un des quatre départements de la capitale du Sénégal : Dakar, le département le plus peuplé du Sénégal. L’histoire urbaine en a fait la première banlieue sénégalaise. Sa morphologie laisse apparaitre toutes les formes spatiales / d’urbanisme caractéristiques de la ville africaine. Des quartiers lotis habités par la classe moyenne aux quartiers non lotis des pauvres s’ajoutent des zones non aedificandi, refuges des migrants issus de l’exode rural, de la migration sous-régionale et de celle – interurbaine – en quête d’un avenir meilleur à Dakar. Toutes ces particularités font de la ville une zone heuristique pour les chercheurs.
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 imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".