Les réseaux sociaux comme prédicteurs de la criminalité urbaine
Student work [Graduate studies]
Author(s)
Discipline
CriminologieKeywords
- Analyse aoristique
- Analyse de la criminalité
- Analyse spatiale
- Analyse temporelle
- Population flottante
- Lag spatial
- Criminologie des endroits
- Analyse de l'humeur
- Réseaux sociaux
- Crime analysis
- Spatial analysis
- Temporal analysis
- Ambient population
- Spatial lag
- Criminology of place
- Sentiment analysis
- Social media
- Aoristic analysis
Abstract(s)
La présente étude tente de déterminer l’importance d’analyser les crimes à des niveaux spatiaux et temporels de plus en plus précis. Aussi, une nouvelle source de données issue des réseaux sociaux, les tweets, est utilisée afin de prédire la répartition des crimes à Montréal en estimant la population réelle sur le territoire, et en la caractérisant selon son humeur. Des modèles multiniveaux Poisson sont utilisés afin de prédire les crimes contre la personne et les crimes contre les biens agrégés au segment de rue selon l’heure de la journée. Les résultats démontrent qu’il est primordial pour toute analyse de la criminalité à Montréal de tenir compte de la variance de la criminalité au niveau des micro-endroits et d’y incorporer des périodes intrajournalières. Aussi, la caractérisation de la population réelle de la ville a été identifiée comme une avenue prometteuse pour la prédiction des crimes. Finalement, la preuve de concept de l’utilisation de Twitter pour la prédiction de la criminalité est concluante, et suite à un balisage lié à la représentativité des utilisateurs de la plateforme, ces données issues des réseaux sociaux pourront être amenées à être utilisées par les acteurs en sécurité publique. The present study attempts to determine the importance of analyzing crime at increasingly precise spatial and temporal levels. Also, a source of data from social media, Twitter, is used to predict the distribution of crimes in Montréal by estimating the ambient population on the territory, and characterizing it according to its mood. Poisson multilevel models are used to predict violent and property crimes aggregated to the street segment by time of day. The results show that it is essential for any analysis of crime in Montreal to take into account the variance of crime at the micro-place and to incorporate intraday periods. Also, the characterization of the ambient population has been identified as a promising avenue for the prediction of crime. Finally, the study provides proof of concept of the use of Twitter for the prediction of criminality, and following a markup related to the representativity of the users of the platform, the data could be used by public safety actors.
Note(s)
Rapport de stage présenté à la Faculté des arts et des sciences en vue de l'obtention du grade de Maître ès sciences (M.Sc.) en criminologie option Analyse criminologiqueThis document disseminated on Papyrus is the exclusive property of the copyright holders and is protected by the Copyright Act (R.S.C. 1985, c. C-42). It may be used for fair dealing and non-commercial purposes, for private study or research, criticism and review as provided by law. For any other use, written authorization from the copyright holders is required.