MARC

 008250123s2024        us                              c    eng  d
■001000017162416
■00520250211152010
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382829623
■035    ▼a(MiAaPQ)AAI31331032
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a363.2
■1001  ▼aZhuo,  Yilin.
■24510▼aEssays  in  the  Economics  of  Crime  and  Policing
■260    ▼a[Sl]▼bUniversity  of  California,  Los  Angeles▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a175  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-12,  Section:  A.
■500    ▼aAdvisor:  Chen,  Keith.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2024.
■520    ▼aThis  dissertation  investigates  the  role  of  space  and  institutional  structures  in  shaping  criminal  justice  contact  through  three  essays.  In  Chapter  1,  co-authored  with  Keith  Chen,  Katherine  Christensen,  Elicia  John,  and  Emily  Owens,  we  use  smartphone  location  data  to  track  on-shift  movement  of  police  officers  in  the  21  largest  US  cities,  enabling  us  to  construct  and  examine  police  presence-what  it  means  for  an  area  to  be  "policed"-without  relying  on  a  department's  cooperation.  We  find  that  police  spend  significantly  more  time  in  non-white  neighborhoods,  a  disparity  that  persists  even  after  controlling  for  population  density,  socioeconomic  factors,  and  crime  rates.  Disparities  in  police  presence  also  predicts  a  large  share  of  observed  racial  disparities  in  downstream  police  actions  such  as  arrests  and  stops.  Importantly,  our  data  facilitates  cross-city  comparisons,  revealing  unique  issues  leading  to  disparities  across  cities.In  Chapter  2,  co-authored  with  Keith  Chen  and  Emily  Owens,  we  show  how  policing  could  be  endogenous  to  place-based  investments  effective  at  reducing  crime,  using  the  smartphone-based  measure  of  policing.  Exploiting  the  variation  in  Qualified  Census  Tract  (QCT)  status  due  to  administrative  rules  under  the  Low-Income  Housing  Tax  Credit  (LIHTC)  program,  this  study  finds  that  police  patrols  increase  by  13.5%  in  QCTs  compared  to  non-selected  but  similar  tracts.  These  increases  can  more  than  explain  observed  investment-induced  violent  crime  reductions.  This  research  challenges  the  notion  that  place-based  investments  can  significantly  reduce  crime  without  considering  the  broader  equilibrium  effects  on  policing  patterns.In  Chapter  3,  also  co-authored  Keith  Chen  and  Emily  Owens,  we  train  a  convolutional  neural  network  on  Google  Street  View  images  to  explore  the  relationship  between  physical  space,  perceived  safety,  and  actual  crime  rates.  The  study  aims  to  identify  specific  urban  features  that  influence  safety  perceptions  and  the  discrepancies  between  perceived  and  actual  safety.  By  integrating  generative  AI  tools,  this  research  provides  a  new  framework  that  could  help  identify  physical  features  that  could  help  potentially  mitigate  perceived  safety  and  crime,  providing  actionable  insights  for  urban  planners  and  policymakers.
■590    ▼aSchool  code:  0031.
■650  4▼aLaw  enforcement
■650  4▼aCriminology
■650  4▼aFinance
■653    ▼aEconomics  of  crime
■653    ▼aPlace-based  policy
■653    ▼aPolicing
■653    ▼aCriminal  justice
■653    ▼aLow-Income  Housing  Tax  Credit  program
■690    ▼a0501
■690    ▼a0206
■690    ▼a0508
■690    ▼a0627
■71020▼aUniversity  of  California,  Los  Angeles▼bManagement  (MS/PHD)  0535.
■7730  ▼tDissertations  Abstracts  International▼g85-12A.
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17162416▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서