論文の概要: Analyzing Mass School Shootings in the United States from 1999 to 2024 with Game Theory, Probability Analysis, and Machine Learning
- arxiv url: http://arxiv.org/abs/2410.00394v2
- Date: Sun, 22 Dec 2024 23:34:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 15:53:02.682542
- Title: Analyzing Mass School Shootings in the United States from 1999 to 2024 with Game Theory, Probability Analysis, and Machine Learning
- Title(参考訳): 1999年から2024年までの米国でのマススクール射撃の分析 : ゲーム理論、確率分析、機械学習
- Authors: Wei Dai, Rui Zhang, Diya Kafle,
- Abstract要約: 銃乱射事件の確率は1校当たり1.23 E-5(または81,604人)である。
新型コロナウイルス(COVID-19)時代のマススクール射撃と比較して、米国でのマススクール射撃は4つの機械学習モデルにより減少すると予想する。
- 参考スコア(独自算出の注目度): 8.46557643646903
- License:
- Abstract: Public safety is vital to every country, especially school safety. In the United States, students and educators are concerned about school shootings. There are critical needs to understand the patterns of school shootings. Without this understanding, we cannot take action to prevent school shootings. Existing research that includes statistical analysis usually focuses on public mass shootings or just shooting incidents that have occurred in the past and there are hardly any articles focusing on mass school shootings. Here we firstly define mathematic models through gam theory. Then, we evaluate shootings events in schools for recently 26-year (1999-2024). Compared with the number of mass school shootings in COVID-19 period, we predict the number of mass school shooting events in the US will be reduced through four machine learning models. We also identify that mass school shootings usually take average 31 minutes with four periods. The annual probability of mass school shootings is 1.23 E-5 (or one in 81,604) per school. The shootings mostly occur inside buildings, especially classrooms and hallways. By interpreting these data and conducting various statistical analysis, this will ultimately help the law enforcement and schools to reduce the future school shootings. The research data sets could be downloaded via the website: https://publicsafetyinfo.com
- Abstract(参考訳): 公共の安全はすべての国、特に学校の安全にとって不可欠である。
アメリカ合衆国では、学生や教育者が学校銃乱射事件を心配している。
学校銃乱射のパターンを理解するためには重要なニーズがある。
このような理解がなければ、学校銃乱射を防ぐための行動を取ることはできない。
統計分析を含む既存の研究は、通常、公共の銃乱射事件や、過去に起こった事件のみに焦点を当てており、マススクールの銃乱射事件に焦点を当てた記事はほとんどない。
ここでは、最初にガム理論を用いて数学的モデルを定義する。
そして,近年26年間(1999-2024年)の学校における射撃イベントの評価を行った。
新型コロナウイルス(COVID-19)時代のマススクールの銃乱射数と比較すると、米国のマススクールの銃乱射数は4つの機械学習モデルによって減少すると予想される。
また、銃乱射は4つの期間で平均31分かかることも確認した。
銃乱射事件の確率は1校当たり1.23 E-5(または81,604人)である。
射撃は主に建物内、特に教室や廊下で行われる。
これらのデータを解釈し、様々な統計分析を行うことで、最終的には法執行機関や学校が将来の学校銃撃を減らすのに役立つだろう。
研究データセットは、Webサイトからダウンロードできる: https://publicsafetyinfo.com
関連論文リスト
- Gun Culture in Fringe Social Media [4.102229039389626]
我々は4chanの武器盤/k/で銃文化を探求する。
様々な定量的手法を用いて,/k/上の4M以上のポストについて検討した。
以上の結果から, /k/ のガンカルチャーは比較的多種多様なトピックをカバーすることが示唆された。
論文 参考訳(メタデータ) (2024-03-14T10:22:01Z) - Active shooter detection and robust tracking utilizing supplemental
synthetic data [6.719034568121972]
米国における銃暴力は、公共の安全を改善するシステムの開発に焦点をあてている。
1つのアプローチは、乱射事件の予防または緩和に役立つシューターを検出し、追跡することである。
我々は、銃だけでなく、射撃者全体を検出することを提案し、追跡の堅牢性を改善することを可能にした。
論文 参考訳(メタデータ) (2023-09-06T21:58:58Z) - CCTV-Gun: Benchmarking Handgun Detection in CCTV Images [59.24281591714385]
銃の暴力は重要なセキュリティ問題であり、コンピュータビジョンコミュニティが効果的な銃検出アルゴリズムを開発することが必須である。
実際のCCTV画像から銃を検出することは、未だに困難で未調査の課題である。
我々は,実世界のCCTV画像における拳銃検出の課題に対処するベンチマーク「textbfCCTV-Gun」を提案する。
論文 参考訳(メタデータ) (2023-03-19T16:17:35Z) - To Protect and To Serve? Analyzing Entity-Centric Framing of Police
Violence [14.27851642186004]
エンティティ中心のフレームを測定するためのNLPフレームワークを提案する。
我々は、米国の警察暴力に関するメディアの報道を理解するために、82kのニュース記事からなる新しい警察暴力コーパスフレームを使っています。
私たちの研究は、何十種類ものフレーミングデバイスを発見し、リベラルなニュースソースと保守的なニュースソースが、警察の暴力と関係する組織の両方に、重大な違いを明らかにしています。
論文 参考訳(メタデータ) (2021-09-11T17:37:21Z) - US Fatal Police Shooting Analysis and Prediction [13.569449459014104]
アメリカでは、警察が法執行機関、特に特定の集団に過剰な力を行使していると考える人が増えている。
我々は、主流メディアの逸脱を報道する致命的な警察射撃ニュースを定量化する新しい方法を提案した。
我々はワシントン・ポストから、最も包括的な米国警察の銃乱射データセットを分析した。
論文 参考訳(メタデータ) (2021-03-24T21:39:32Z) - The effect of differential victim crime reporting on predictive policing
systems [84.86615754515252]
本研究では, 被害者の犯罪報告率の違いが, 共通犯罪ホットスポット予測モデルにおいて, 結果の相違をもたらすことを示す。
以上の結果から, 犯罪報告率の差は, 高犯罪から低犯罪へ, 高犯罪・中犯罪・高報道へ, 予測ホットスポットの移動につながる可能性が示唆された。
論文 参考訳(メタデータ) (2021-01-30T01:57:22Z) - A Unified Framework for Shot Type Classification Based on Subject
Centric Lens [89.26211834443558]
主観的誘導ネットワーク(SGNet)を用いたショット型認識のための学習フレームワークを提案する。
SGNetは、ショットの主題と背景を2つのストリームに分け、それぞれがスケールとムーブメントタイプの分類のための別々のガイダンスマップとして機能する。
大規模なデータセットであるMovieShotsを構築し、7Kフィルムトレーラーから46K枚の写真と、それらのスケールとムーブメントのアノテーションを含む。
論文 参考訳(メタデータ) (2020-08-08T15:49:40Z) - The Ivory Tower Lost: How College Students Respond Differently than the
General Public to the COVID-19 Pandemic [66.80677233314002]
新型コロナウイルス感染症(COVID-19)のパンデミックは、政府に究極の課題を提示した。
米国では、新型コロナウイルス感染者が最も多い国で、全国的なソーシャルディスタンシングプロトコルが大統領によって実施されている。
本稿では,この対話型社会における前例のない破壊の社会的意義を,ソーシャルメディア上での人々の意見のマイニングによって発見することを目的とする。
論文 参考訳(メタデータ) (2020-04-21T13:02:38Z) - Gun Source and Muzzle Head Detection [139.93319947887673]
銃乱射を抑えようとする研究において、私たちが認識した3つの主要な領域は、銃の時間的位置、銃型予測、および銃源(射撃者)検出である。
我々の仕事は銃源検出と銃口ヘッド検出であり、銃口は銃口の丸い開口部である。
実験では銃の煙と銃弾を検知して銃口の頭部を検知することに成功した。
論文 参考訳(メタデータ) (2020-01-29T22:41:56Z) - #MeToo on Campus: Studying College Sexual Assault at Scale Using Data
Reported on Social Media [71.74529365205053]
我々は、#トレンドが大学フォロワーのプールに与える影響を分析した。
その結果、これらの#ツイートに埋め込まれたトピックの大部分は、セクシャルハラスメントのストーリーを詳述している。
この傾向といくつかの主要地理的地域に関する公式な報告との間には大きな相関関係がある。
論文 参考訳(メタデータ) (2020-01-16T18:05:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。