論文の概要: What does making money have to do with crime?: A dive into the National Crime Victimization survey

• arxiv url: http://arxiv.org/abs/2506.04240v1
• Date: Mon, 26 May 2025 15:32:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-08 12:40:08.706199
• Title: What does making money have to do with crime?: A dive into the National Crime Victimization survey
• Title（参考訳）: お金を稼ぐことは犯罪と何の関係があるのか--全国犯罪被害者調査から
• Authors: Sydney Anuyah,
• Abstract要約: 私は1992年から2022年までの全国犯罪被害者調査を利用して、収入、教育、雇用、および重要な人口構成要素が犯罪被害者の体験(暴力と財産)のタイプをどう形作るかを調べる。 その結果、高い収入と教育が資産犯罪に対する暴力的リスクを減少させる一方、若い人や人種的マイノリティは不当に高い暴力的犯罪リスクに直面していることが一貫して証明された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this short article, I leverage the National Crime Victimization Survey from 1992 to 2022 to examine how income, education, employment, and key demographic factors shape the type of crime victims experience (violent vs property). Using balanced classification splits and logistic regression models evaluated by F1-score, there is an isolation of the socioeconomic drivers of victimization "Group A" models and then an introduction of demographic factors such as age, gender, race, and marital status controls called "Group B" models. The results consistently proves that higher income and education lower the odds of violent relative to property crime, while men younger individuals and racial minorities face disproportionately higher violentcrime risks. On the geographic spectrum, the suburban models achieve the strongest predictive performance with an accuracy of 0.607 and F1 of 0.590, urban areas benefit from adding education and employment predictors and crime in rural areas are still unpredictable using these current factors. The patterns found in this study shows the need for specific interventions like educational investments in metropolitan settings economic support in rural communities and demographicaware prevention strategies.
• Abstract（参考訳）: 本稿では、1992年から2022年までの全国犯罪被害者調査を利用して、所得、教育、雇用、および重要な人口構成要因が、犯罪被害者の体験のタイプ(暴力と財産)をどう形作るかを検討する。 F1スコアで評価されたバランスのとれた分類分割とロジスティック回帰モデルを用いて、被害者の社会経済的要因を「グループA」モデルから分離し、それから「グループB」モデルと呼ばれる年齢、性別、人種、婚姻状況制御などの人口統計要因を導入する。 その結果、高い収入と教育が資産犯罪に対する暴力的リスクを減少させる一方、若い人や人種的マイノリティは不当に高い暴力的犯罪リスクに直面していることが一貫して証明された。 地理的スペクトルでは、郊外モデルは0.590の0.607とF1の精度で最強の予測性能を達成している。 本研究で明らかになったパターンは、都市部における教育投資や地域社会における経済支援、人口統計学的対策など、具体的な介入の必要性を示している。

関連論文リスト

• Time-series Crime Prediction Across the United States Based on Socioeconomic and Political Factors [1.9461727843485295]
  男女比、高校卒業率、政治的地位、失業率、州ごとの中央値所得を含むデータセットを用いて、長期記憶とゲット・リカレント・ユニット・モデルを構築した。 このモデルの平均損失値は70.792.30であり、平均エラー率は9.74パーセントであるが、どちらの値も極端な外れ値の影響を受け、正しい最適化が可能である。
  論文  参考訳（メタデータ） (2024-09-01T07:17:55Z)
• The Factuality Tax of Diversity-Intervened Text-to-Image Generation: Benchmark and Fact-Augmented Intervention [61.80236015147771]
  我々は多様性の介入とT2Iモデルにおける人口統計学的事実性とのトレードオフを定量化する。 DoFaiRの実験では、多様性指向の指示によって、性別や人種の異なる集団の数が増加することが明らかになった。 本研究では,歴史における世代ごとのジェンダーや人種構成について,言語化された事実情報を反映したFact-Augmented Intervention (FAI)を提案する。
  論文  参考訳（メタデータ） (2024-06-29T09:09:42Z)
• The Devil is in the Neurons: Interpreting and Mitigating Social Biases in Pre-trained Language Models [78.69526166193236]
  プレトレーニング言語モデル(PLM)は、社会的バイアスのような有害な情報を含むことが認識されている。 我々は,社会バイアスなどの望ましくない行動に起因する言語モデルにおいて,正確に単位(すなわちニューロン)を特定するために,sc Social Bias Neuronsを提案する。 StereoSetの以前の測定値からわかるように、我々のモデルは、低コストで言語モデリング能力を維持しながら、より高い公平性を達成する。
  論文  参考訳（メタデータ） (2024-06-14T15:41:06Z)
• Spatial-Temporal Meta-path Guided Explainable Crime Prediction [40.03641583647572]
  本稿では,犯罪行為の動的なパターンを捉えるために,時空間メタパスガイド付き説明可能な犯罪予測(STMEC)フレームワークを提案する。 我々は,特にフェロニー予測において,他の高度な時間モデルと比較してSTMECの優位性を示す。
  論文  参考訳（メタデータ） (2022-05-04T05:42:23Z)
• How True is GPT-2? An Empirical Analysis of Intersectional Occupational Biases [50.591267188664666]
  下流のアプリケーションは、自然言語モデルに含まれるバイアスを継承するリスクがある。 一般的な生成言語モデルであるGPT-2の作業バイアスを分析した。 特定の仕事について、GPT-2は米国におけるジェンダーと民族の社会的偏見を反映しており、場合によってはジェンダー・パリティの傾向を反映している。
  論文  参考訳（メタデータ） (2021-02-08T11:10:27Z)
• 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)
• Socio-economic, built environment, and mobility conditions associated with crime: A study of multiple cities [9.78342936850961]
  本研究では,犯罪と社会経済的要因との関連性を検討するためのベイズモデルを提案する。 その結果, 社会経済的条件, 移動情報, 身体的特徴の併用は, 犯罪の発生を効果的に説明できることがわかった。 近隣住民の社会・生態的要因が犯罪に大きく関係していることが示される。
  論文  参考訳（メタデータ） (2020-04-13T08:36:59Z)
• Exploring Spatio-Temporal and Cross-Type Correlations for Crime Prediction [48.1813701535167]
  我々は,都市犯罪のクロスタイプと時間的相関を利用した犯罪予測を行う。 犯罪予測のための相関関係を数学的にモデル化するコヒーレントな枠組みを提案する。 犯罪予測における相関関係の重要性を理解するために、さらなる実験が行われた。
  論文  参考訳（メタデータ） (2020-01-20T00:34:53Z)

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。