Calculer les taux d’arrestation pour homicide

Certaines villes, comme Baltimore et Chicago, résolvent tellement peu d’homicides que des zones vastes s’étendant sur plusieurs miles connaissent des centaines d’homicides qui ne donnent lieu à quasiment aucune arrestation. Dans d’autres villes, comme à Atlanta, la police parvient à effectuer des arrestations pour la majorité des homicides, même ceux qui se produisent dans les zones les plus violentes de la ville.

 « Where Killings Go Unsolved, » le Washington Post, juin 2018 (article de remplacement)

Pour identifier les villes des États-Unis qui présentent les meilleur et pire taux d’arrestation après un meurtre, vous allez analyser les données sur les homicides de ces 10 dernières années. Vous allez en particulier synthétiser les homicides individuels par ville et symboliser les résultats par taux d’homicides non résolus. Vous créerez ensuite un diagramme à barres qui classe chaque ville.

Tout au long de la procédure, vous consulterez des articles sur les causes potentielles de la non-résolution des homicides. Vous pourrez également explorer les taux d’arrestation pour homicide par race et origine ethnique.

Remarque :

Ce didacticiel inclut des liens menant à plusieurs articles fournissant du contexte ou des informations supplémentaires qui vous permettront d’approfondir le sujet. Certains sites hébergeant ces articles peuvent vous demander de vous abonner pour continuer à afficher leur contenu. Si vous ne souhaitez pas vous abonner, d’autres articles sont fournis lorsque cela est possible.

Explorer les données

Vous allez commencer par télécharger un paquetage de projet ArcGIS Pro et vous familiariser avec les données des homicides.

  1. Téléchargez le projet Unsolved Homicides.

    Le fichier Unsolved_Homicides est téléchargé sur votre ordinateur. Ce fichier est un fichier de paquetage de projet ArcGIS Pro (.ppkx), qui contient la carte et les données que vous allez utiliser dans ce didacticiel.

  2. Localisez le fichier Unsolved_Homicides sur votre ordinateur et double-cliquez dessus. À l’invite, connectez-vous à ArcGIS Pro avec votre compte d’organisation ArcGIS.
    Remarque :

    Si vous n’avez pas accès à ArcGIS Pro ou ne disposez pas d’un compte d’organisation ArcGIS, consultez les options disponibles pour accéder aux logiciels.

    ArcGIS Pro s’ouvre et affiche une carte et des données.

    Carte par défaut des États-Unis

    La carte représente les données sur les homicides pour plus de 50 villes des États-Unis. (Ces données proviennent à l’origine du Washington Post et sont hébergées sur ArcGIS Online.) Les points bleus représentent les affaires d’homicide non résolues. Une affaire est résolue et close si une arrestation est effectuée ou si une arrestation est impossible, par exemple, dans le cas où le coupable décède. Les points rouges représentent les affaires d’homicide en cours, qui restent non résolues.

    Remarque :

    Ces données ont été projetées avec la projection USA Contiguous Albers Equal Area, qui convient à la totalité de la zone d’étude. Si vous envisagez de concentrer votre analyse sur une seule ville, vous pouvez utiliser la projection associée à cette ville. Pour plus d’informations sur les projections, lisez ce billet de blog ou effectuez ce didacticiel Learn ArcGIS.

  3. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur la couche Homicides et sélectionnez Attribute Table (Table attributaire).

    Option Attribute Table (Table attributaire)

    La table attributaire de la couche s’ouvre. Elle contient davantage d’informations sur chaque homicide, notamment sa date ainsi que la race, l’âge et le sexe de la victime.

    Le champ Disposition (Statut) indique si l’affaire est en cours ou close et si elle s’est soldée ou non par une arrestation. Le champ Unsolved=1, Closed=0 (Non résolu=1, Clos=0) simplifie le statut en deux chiffres. Vous utiliserez ce champ ultérieurement pour calculer le taux d’homicides non résolus par ville. Le champ Category (Catégorie) contient les mêmes informations, mais au format texte.

    Remarque :

    Les données criminelles présentent presque toujours des imperfections. L’exactitude et la cohérence peuvent être affectées par le signalement et l’enregistrement d’erreurs, par les variations des pratiques et des ressources policières, ainsi que par le biais institutionnel de longue date associé à la race, aux revenus et au genre. Bien que ces problèmes ne soient pas abordés dans ce didacticiel, il est important d’exercer votre esprit critique lorsque vous tirez des conclusions.

    La race et l’origine ethnique sont intersectionnels et souples. Tandis que les personnes peuvent être associées à plusieurs races, elles sont généralement catégorisées comme ayant une seule origine ethnique. Les données sur les homicides enregistrent uniquement le champ de race de la victime avec une valeur Asian (Asiatique), Black (Noir), Hispanic (Hispanique), White (Blanc), Unknown (Inconnu) ou Other (Autre). Ces regroupements peuvent ne pas convenir à toutes les analyses de données. Il est ainsi difficile de savoir si la catégorie Hispanic (Hispanique) inclut les noirs ou afro-américains, les asiatiques ou les blancs associés à l’origine ethnique hispanique.

  4. Fermez la table Homicides.

    Vous allez maintenant créer des diagrammes des nombres d’homicide et des taux de clôture des homicides.

  5. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur la couche Homicides, pointez sur Create Chart (Créer un diagramme) et sélectionnez Bar Chart (Diagramme à barres).

    Option Bar Chart (Diagramme à barres)

    La vue Homicides - Chart of Homicides (Homicides - Diagramme de Homicides) et la fenêtre Chart Properties (Propriétés du diagramme) apparaissent. Vous allez d’abord créer un diagramme du nombre d’homicides dans chaque ville.

  6. Dans la fenêtre Chart Properties (Propriétés du diagramme), pour Category or Date (Catégorie ou Date), sélectionnez City (Ville). Pour Sort (Trier), sélectionnez Y-axis Descending (Décroissant sur l’axe des Y).

    Fenêtre Chart Properties (Propriétés du diagramme) avec les paramètres Category or Date (Catégorie ou Date) et Sort (Trier) définis

    La vue du diagramme est actualisée.

    Diagramme comparant les nombres d’homicides par ville

    Chicago compte le plus grand nombre d’homicides. Les autres villes comptant un nombre élevé d’homicide sont Philadelphie, Houston, Baltimore et Detroit.

    Conseil :

    Selon la taille de votre vue de diagramme, il se peut que tous les noms de ville ne soient pas visibles. Pointez le curseur sur une barre du diagramme pour afficher le nom de la ville.

    Vous allez maintenant fractionner les homicides en catégories résolu et non résolu.

  7. Dans la fenêtre Chart Properties (Propriétés du diagramme), cliquez sur l’onglet General (Général) et, pour Chart title (Titre du diagramme), saisissez Comparaison des nombres de données par ville.

    Ajouter un titre de diagramme

  8. Dans la fenêtre Chart Properties (Propriétés du diagramme), sur l’onglet Data (Données), pour Split by (Fractionner par), sélectionnez Category (Catégorie).

    Paramètre Split by (Fractionner par) défini sur Category (Catégorie)

    Le diagramme est mis à jour.

    Diagramme représentant les homicides par ville, fractionnés en catégories résolu et non résolu

    Dans ce diagramme, chaque ville possède deux barres, une pour les homicides résolus et l’autre pour les homicides non résolus. Plusieurs villes comptent davantage d’homicides non résolus que d’homicides résolus. La différence entre les homicides résolus et non résolus ne semble pas être corrélée au nombre total d’homicides. Certaines villes dénombrant relativement peu d’homicides comptent même plus d’homicides non résolus que d’homicides résolus.

    Pour mieux visualiser le ratio des homicides résolus par rapport aux homicides non résolus par ville, vous allez modifier le diagramme afin d’afficher les proportions.

  9. Dans la fenêtre Chart Properties (Propriétés du diagramme), cliquez sur l’onglet Series (Séries). Pour Display multiple series as (Afficher plusieurs séries comme), cliquez sur 100% Stacked (Empilement à 100 %).

    Option 100% Stacked (Empilement à 100 %)

    Le diagramme est mis à jour, les barres de chaque catégorie étant empilées l’une au-dessus de l’autre.

    Diagramme affichant les catégories empilées l’une au-dessus de l’autre

    Dans ce diagramme, les barres représentent les pourcentages du nombre total d’homicides résolus et non résolus, au lieu des nombres totaux d’homicides résolus et non résolus. Certaines villes, comme Chicago, présentent ainsi un faible pourcentage de résolution de leur nombre total d’homicides de 33 %. D’autres villes, comme Richmond, présentent un taux de résolution de 78 %.

  10. Fermez la vue du diagramme et la fenêtre Chart Properties (Propriétés du diagramme).

    À partir de votre exploration initiale des données, vous avez découvert que les ratios d’homicides non résolus variaient beaucoup sur le territoire des États-Unis. Grâce à l’analyse statistique, vous allez obtenir une vision encore plus détaillée de ce problème.

Synthétiser les données sur les homicides

Les homicides apparaissent sur la carte sous forme de points individuels. Mais vous êtes moins intéressé par les homicides individuels que par les tendances à l’échelle des villes. Vous allez synthétiser les données sur les homicides à l’aide de l’outil Centre moyen, qui identifie le centre géographique d’un agrégat de points et crée un résumé statistique pour chaque agrégat.

Une fois les données agrégées, vous allez cartographier les tendances liées aux homicides non résolus à l’échelle des villes grâce à la symbologie.

  1. Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Geoprocessing (Géotraitement), cliquez sur Tools (Outils).

    Bouton Outils

    La fenêtre Geoprocessing (Géotraitement) s’affiche.

  2. Dans la fenêtre Geoprocessing (Géotraitement), recherchez Mean Center (Centre moyen). Dans la liste des résultats, cliquez sur l’outil Centre moyen.

    Résultats de recherche de l’outil Centre moyen

    L’exécution de cet outil crée des points au centre géographique des homicides signalés pour chaque ville. Il recherche également une valeur moyenne pour chaque agrégat d’un champ de dimension que vous sélectionnez.

    Vous allez rechercher la valeur moyenne du champ Unsolved=1, Closed=0 (Non résolu=1, Clos=0). Ce champ ne contient que des valeurs 0 ou 1. La moyenne de ces valeurs vous donne une fraction comprise entre 0 et 1. Cette moyenne est égale au taux d’homicides non résolus. En synthétisant les homicides avec ce champ, vous allez calculer le taux d’homicides pour chaque ville.

  3. Dans l’outil Centre moyen, pour Input Feature Class (Classe d’entités en entrée), sélectionnez Homicides. Pour Output Feature Class (Classe d’entités en sortie), saisissez City_Point_Rates (Taux_Point_Ville).

    Paramètres en entrée et en sortie de l’outil Centre moyen

    Vous allez maintenant sélectionner le champ de récapitulation qui détermine la manière dont les points sont agrégés, et le champ de dimension.

  4. Pour Case field (Champ de récapitulation), sélectionnez City (Ville). Pour Dimension Field (Champ de dimension), sélectionnez Unsolved=1, Closed=0 (Non résolu=1, Clos=0).

    Paramètres des champs de récapitulation et de dimension de l’outil Centre moyen

  5. Cliquez sur Run (Exécuter).

    L’outil s’exécute et crée la couche City_Point_Rates (Taux_Point_Ville), qui est ajoutée à la carte.

    Carte contenant la couche en sortie de l’outil Centre moyen

    Chaque ville est représentée par un point. Vous allez maintenant symboliser ces points avec le taux d’homicides non résolus calculé par l’outil et stocké dans le nouveau champ Unsolved (Non résolu).

  6. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur City_Point_Rates (Taux_Point_Ville) et sélectionnez Symbology (Symbologie).

    La fenêtre Symbology (Symbologie) apparaît.

  7. Dans la fenêtre Symbology (Symbologie), pour Primary symbology (Symbologie principale), choisissez Graduated Colors (Couleurs graduées). Pour Field (Champ), sélectionnez Unsolved (Non résolu).

    Symbologie Couleurs graduées

    Ce style de symbologie divise les symboles en cinq catégories selon le taux d’homicides non résolus. Les décompositions de chaque catégorie comportent un nombre élevé de décimales ; vous allez donc les ajuster.

  8. Pour Upper value (Valeur supérieure), double-cliquez sur chaque valeur et modifiez-les (en partant de la première valeur vers la dernière) en 0,25, 0,35, 0,45, 0,55 et 0,68.

    Valeurs supérieures mises à jour dans la fenêtre Symbology (Symbologie)

    Vous allez modifier les étiquettes afin de les apparier. Puisque les valeurs représentent un taux compris entre 0 et 1, vous obtenez un pourcentage si vous les multipliez par 100. Vous allez utiliser les étiquettes pour communiquer les valeurs sous forme de pourcentages.

  9. Pour Label (Étiquette), modifiez les étiquettes (à partir de la première étiquette vers la dernière) en 21 to 25% (21 à 25 %), 25 to 35% (25 à 35 %), 35 to 45% (35 à 45 %), 45 to 55% (45 à 55 %) et 55 to 68% (55 à 68 %).

    Valeurs et étiquettes modifiées

    Vous allez maintenant mettre en forme les symboles de toutes les catégories en les agrandissant.

  10. Cliquez sur More (Plus) et sélectionnez Format all symbols (Formater tous les symboles).

    Option Formater tous les symboles

    Une bibliothèque de symboles apparaît.

  11. Cliquez sur Circle 3 (Cercle 3).

    Symbole Circle 3 (Cercle 3)

    Les symboles sont mis à jour sur la carte, mais ils ne sont pas tous de la même couleur rouge. Vous allez maintenant choisir une combinaison de couleurs.

  12. En haut de la fenêtre, cliquez sur le bouton Return to primary symbology pane (Revenir à la fenêtre de symbologie principale).

    Bouton Return to primary symbology pane (Revenir à la fenêtre de symbologie principale)

  13. Pour Color scheme (Combinaison de couleurs), cliquez sur le menu déroulant, cochez la case Show names (Afficher les noms) et sélectionnez la combinaison de couleurs Purple-Red (Continuous) (Violet-rouge [continu]).

    Combinaison de couleurs Purple-Red (Continuous) (Violet-rouge (continu))

  14. Fermez la fenêtre Symbology (Symbologie). Dans la fenêtre Contents (Contenu), décochez la couche Homicides.

    Carte contenant des points de centre moyen symbolisés par le taux d’homicides

    Le taux d’homicides non résolus est supérieur à 55 % dans six villes : Chicago, Buffalo, Baltimore, Detroit, New Orleans et Stockton. Dans plus de 50 % de la totalité des meurtres de ces villes, personne n’est arrêté pour le crime. Les taux d’homicides non résolus les plus faibles se situent à Richmond, Charlotte, Tulsa, Albuquerque et San Diego.

    La carte ne permet pas de mettre en évidence de distribution spatiale claire entre les taux d’homicides non résolus faibles et élevés. Les villes proches les unes des autres et les villes qui se trouvent dans le même état peuvent avoir des taux très différents. Toutefois, en synthétisant les données sur les homicides, vous avez une meilleure compréhension à l’échelle nationale du problème des homicides non résolus aux États-Unis.

Classer les villes selon le taux d’homicides non résolus

Votre carte montre l’emplacement des villes dotées de taux d’homicides non résolus faibles et élevés. Vous allez maintenant créer un diagramme qui classe ces villes du taux le plus élevé au taux le plus faible.

  1. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur City_Point_Rates (Taux_Point_Ville), pointez le curseur sur Create Chart (Créer un diagramme) et sélectionnez Bar Chart (Diagramme à barres).
  2. Dans la fenêtre Chart Properties (Propriétés du diagramme), pour Category or Date (Catégorie ou Date), sélectionnez city (ville). Pour Aggregation (Agrégation), sélectionnez <none> (<aucune>).
  3. Pour Numeric field(s) (Champ(s) numérique(s)), cliquez sur Select (Sélectionner) et cochez Unsolved (Non résolu). Cliquez sur Apply (Appliquer).

    Un diagramme représentant le taux de meurtres non résolus pour chaque ville est créé. Il organise cependant les villes dans l’ordre alphabétique et non par taux. Vous allez modifier le tri de la carte.

  4. Pour Sort (Trier), sélectionnez Y-axis Descending (Décroissant sur l’axe des Y).

    Paramètres du diagramme à barres

    Désormais les barres du diagramme sont organisées selon la valeur de l’axe y (à savoir le taux de meurtres non résolus). Avant d’examiner le diagramme, vous allez modifier le titre du diagramme et les titres des axes pour que le diagramme soit plus lisible.

  5. Dans la fenêtre Chart Properties (Propriétés du diagramme), cliquez sur l’onglet General (Général). Pour Chart title (Titre du diagramme), saisissez Unsolved Homicide Rates by City (Taux d’homicides non résolus par ville).
  6. Pour X axis title (Titre de l’axe x), saisissez City (Ville). Pour Y axis title (Titre de l’axe y), entrez Unsolved Homicide Rate (Taux d’homicides non résolus).

    Paramètres de l’onglet General (Général) du diagramme à barres

    Les titres du diagramme et des axes sont mis à jour dans le diagramme.

    Diagramme représentant les taux d’homicides non résolus par ville

    Les villes sont classées du taux d’homicides non résolus le plus élevé au plus faible, et la couleur de chaque barre correspond à la couleur du symbole de la ville sur la carte. Comme vous l’avez appris précédemment, Chicago compte le taux d’homicides non résolus le plus élevé du pays, mais vous pouvez désormais mieux voir d’un coup d’œil les villes présentant des taux supérieurs et inférieurs.

  7. Fermez le diagramme et la fenêtre Chart Properties (Propriétés du diagramme).
    Conseil :

    Pour rouvrir un diagramme que vous avez créé, double-cliquez sur le nom du diagramme dans la fenêtre Contents (Contenu).

  8. Dans la barre d’outils Accès rapide, cliquez sur le bouton Save (Enregistrer). Cliquez sur Yes (Oui) si vous êtes invité à sauvegarder le projet dans la version actuelle de ArcGIS Pro.

    Bouton Enregistrer

    Le projet est enregistré.

Analyser les taux par race et origine ethnique

Vous avez exploré les données sur les homicides, créé des diagrammes et effectué une analyse statistique pour déterminer le taux d’homicides non résolus dans chaque ville. Votre analyse s’est concentrée sur la localisation des homicides non résolus, mais il peut également être important de connaître les facteurs jouant un rôle dans la résolution d’un homicide. Les ressources suivantes permettent d’approfondir le problème des homicides non résolus :

La plupart de ces ressources indiquent que les taux de meurtres non résolus ont augmenté sur les 50 dernières années. De plus, elles mettent en évidence des disparités démographiques ou raciales entre les zones dans lesquelles les meurtres sont plus ou moins résolus.

Vous allez maintenant répéter votre analyse de centre moyen et créer un nouveau diagramme qui classe les taux d’homicides non résolus, mais cette fois en tenant compte de la race de la victime. Un meurtre est-il moins susceptible d’être résolu si la victime appartient à une certaine race ?

  1. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur la couche Homicides, pointez sur Create Chart (Créer un diagramme) et sélectionnez Bar Chart (Diagramme à barres).
  2. Dans la fenêtre Chart Properties (Propriétés du diagramme), pour Category or Date (Catégorie ou date), sélectionnez Victim Race (Race de la victime).

    Le diagramme est mis à jour et affiche le nombre total d’homicides par race de victime. Les victimes noires constituent la majorité des homicides, résolus et non résolus. La majorité des ressources que vous avez consulté dans l’introduction affirmaient que le taux d’homicides non résolus était supérieur dans le cas de victimes noires que lorsqu’il s’agissait d’autres races. Vous allez à nouveau exécuter l’outil Centre moyen uniquement sur les homicides concernant une victime noire afin de savoir si vos données confirment des déclarations.

  3. Dans le diagramme, cliquez sur la barre Black (Noir).

    Diagramme affichant le nombre d’homicides par race

    En sélectionnant la barre, vous sélectionnez également tous les homicides de la couche Homicides qui concernent une victime de race noire. Les outils de géotraitement, dont l’outil Centre moyen s’exécutent uniquement sur les entités sélectionnées, le cas échéant.

  4. Fermez le diagramme et la fenêtre Chart Properties (Propriétés du diagramme). Si nécessaire, revenez à la fenêtre Geoprocessing (Géotraitement).

    La fenêtre Geoprocessing (Géotraitement) affiche les paramètres du dernier outil que vous avez exécuté, à savoir l’outil Centre moyen. Vous allez modifier certains paramètres et exécuter à nouveau l’outil.

    Conseil :

    Si vous avez fermé la fenêtre Geoprocessing (Géotraitement) ou si elle n’affiche pas l’outil Centre moyen, vous pouvez rouvrir n’importe quel outil précédemment exécuté dans le projet avec les paramètres que vous avez utilisés. Sur le ruban, sous l’onglet Analysis (Analyse), cliquez sur History (Historique). Dans la fenêtre History (Historique), sur l’onglet Geoprocessing (Géotraitement), double-cliquez sur Centre moyen pour rouvrir l’outil.

  5. Dans l’outil Centre moyen, pour Output Feature Class (Classe d’entités en sortie), saisissez Taux_Non_Résolus_Noir_Ville. Vérifiez que Input Feature Class (Classe d’entités en entrée) est défini sur Homicides, que Case Field (Champ de récapitulation) est défini sur City (Ville) et que Dimension Field (Champ de dimension) est défini sur Unsolved=1, Closed=0 (Non résolu = 1, Résolu = 0).

    Paramètres de l’outil Centre moyen pour les taux d’homicides non résolus impliquant des victimes noires

  6. Cliquez sur Run (Exécuter).

    L’outil s’exécute et la couche Taux_Non_Résolus_Noir_Ville est ajoutée à la carte. Vous allez importer la symbologie de la couche Taux_Point_Ville dans cette couche.

  7. Dans la fenêtre Contents (Contenu), vérifiez que la couche Taux_Non_Résolus_Noir_Ville est sélectionnée.
  8. Sur le ruban, cliquez sur l’onglet Feature Layer (Couche d’entités). Dans le groupe Drawing (Dessin), cliquez sur Import (Importer).

    Importer (bouton)

    La fenêtre Import Symbology (Importer la symbologie) apparaît.

  9. Dans la fenêtre Import Symbology (Importer la symbologie), pour Symbology Layer (Couche de symbologie), sélectionnez Taux_Point_Ville.

    Fenêtre Import Symbology (Importer la symbologie) avec paramètres renseignés

    Par défaut, le champ Unsolved (Non résolu) est sélectionné comme champ de symbologie. Ce champ par défaut correspond à ce que vous souhaitez car vous avez utilisé le champ Unsolved (Non résolu) pour déterminer la symbologie graduée du champ City_Point_Rates (Taux_Point_Ville).

  10. Cliquez sur OK. Dans la fenêtre Contents (Contenu), désélectionnez City_Point_Rates (Taux_Point_Ville).

    Carte symbolisée par taux d’homicides non résolus pour les victimes noires

    Remarque :

    Les villes de Dallas, Kansas City et Phoenix n’enregistrent pas la race des victimes d’homicides ; ces villes n’affichent donc aucune donnée sur la carte.

    Lorsque vous examinez uniquement les victimes noires, un nombre plus élevé de villes présentent des taux d’homicides non résolus supérieurs à 55 %. Seule une ville (Charlotte) affiche un taux d’homicides non résolus inférieur à 25 %. Si vous répétiez cette analyse pour les victimes blanches, vous ne trouveriez aucune ville présentant un taux d’homicides non résolus au-dessus de 55 %.

    Votre analyse suggère que la race joue un rôle dans la résolution ou non des homicides comme l’indiquaient les ressources que vous avez examinées dans l’introduction. La non-résolution des homicides sur des victimes noires peut générer de la méfiance à l’égard des forces de l’ordre au sein des communautés noires, et par conséquent, entraîner une baisse de la coopération et même du nombre d’arrestations.

    Vous allez maintenant créer un diagramme afin de comparer les taux d’homicides non résolus entre toutes les races et origines ethniques.

  11. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Homicides, pointez le curseur sur Create Chart (Créer un diagramme) et sélectionnez Bar Chart (Diagramme à barres).
  12. Dans la fenêtre Chart Properties (Propriétés du diagramme), pour Category or Date (Catégorie ou date), sélectionnez Victim Race (Race de la victime). Pour Split by (Fractionner par), sélectionnez Category (Catégorie).
  13. Cliquez sur l’onglet Series (Séries). Pour Display multiple series as (Afficher plusieurs séries comme), sélectionnez 100% Stacked (Empilées à 100 %). Dans la table, faites glisser la catégorie Unsolved (Non résolu) au-dessus de la catégorie Solved (Résolu).

    Catégorie Unsolved (Non résolu) en haut

  14. Sur l’onglet General (Général), pour Chart title (Titre du diagramme), saisissez Solved and Unsolved Homicide Rates by Race/Ethnicity (Taux d’homicides résolus et non résolus par race/origine ethnique). Pour X axis title (Titre de l’axe x), entrez Victim Race/Ethnicity (Race/origine ethnique de la victime).

    Le diagramme est mis à jour. La barre affichant les taux d’homicides avec des victimes noires est toujours sélectionnée, donc vous allez effacer la sélection.

  15. Sur le ruban, cliquez sur l’onglet Map (Carte). Dans le groupe Sélection, cliquez sur Effacer.

    Bouton Effacer

    La sélection est effacée.

    Diagramme représentant les taux d’homicides non résolus par race et origine ethnique

    Le diagramme confirme que les taux d’homicides non résolus sont les plus élevés lorsque la victime est noire. Un homicide sur une victime noire reste non résolu dans 49 % des cas, contre environ 28 % pour un homicide sur une victime blanche.

  16. Fermez le diagramme et la fenêtre Chart Properties (Propriétés du diagramme). Enregistrez le projet.

Vous avez synthétisé plus de 52 000 homicides et calculé le taux d’homicides non résolus de chaque ville. Vous avez également analysé les taux d’homicides non résolus selon la race et l’origine ethnique, en vous concentrant particulièrement sur les taux d’arrestation en cas de victime noire. Vos conclusions viennent corroborer les déclarations des ressources que vous avez consultées qui affirment que la race joue un rôle dans le taux de non-résolution des homicides.

Cette partie de l’analyse se concentrait sur le niveau national. Vous allez maintenant examiner une seule ville qui présente un taux élevé d’homicides non résolus et envisager certaines conséquences sur la vie au sein d’une communauté où les meurtres n’entraînent pas d’arrestations.


Évaluer les données démographiques des zones affichant un faible taux d’arrestation

Près d’un an après le meurtre par balle d’Aice Jackman dans la rue, sa mère et son frère de 5 ans entrèrent dans une boutique Dunkin’ Donuts, où le petit garçon repéra un chiot pit bull et se précipita vers lui pour le caresser. Les yeux de Kaiesha Skinner suivirent son jeune fils, puis s’arrêtèrent sur l’homme qui tenait la laisse à la main. Leurs regards se croisèrent. Elle se figea : il s’agissait de l’homme qui, selon elle, avait abattu Jackman. Elle prit la main de son plus jeune fils, l’éloigna de l’homme d’un coup sec et le ramena dans leur voiture. « Nous savions tous qui avait tué mon fils », déclara plus tard Skinner. « Ils ne l’ont juste pas arrêté. »

 « An Unequal Justice, » le Washington Post, juillet 2018 (article de remplacement)

Vous avez précédemment découvert qu’un homicide aux États-Unis est davantage susceptible de ne pas être résolu si la victime est de race noire. Pour mieux comprendre l’inégalité raciale et sociale dans les cas d’homicides non résolus, vous allez comparer les caractéristiques des habitants des quartiers affichant un taux élevé d’homicides non résolus par rapport aux caractéristiques des personnes vivant dans toutes les zones d’homicides. Plutôt que de se concentrer sur les victimes ou les auteurs des meurtres, cette partie du processus concerne les communautés. Les homicides non résolus ont un impact sur les communautés dans lesquelles ils se produisent car ils engendrent la peur, l’appréhension et la peine.

Vous allez vous concentrer sur une seule ville : Buffalo,dans l’état de New York. Cette ville présente l’un des taux d’homicides non résolus les plus élevés du pays. (Si vous le souhaitez, vous pouvez répéter l’analyse suivante pour n’importe quelle ville dans laquelle le Washington Post a collecté des données.)

Créer une couche sur les homicides à Buffalo

Vous allez commencer par créer une couche contenant uniquement les homicides à Buffalo.

  1. Le cas échéant, ouvrez votre projet Unsolved Homicides dans ArcGIS Pro.
  2. Dans la fenêtre Contents (Contenu), décochez la case City_Black_Unsolved_Rates (Taux_Non_Résolus_Noir_Ville) et cochez la case Homicides.
    Conseil :

    À ce stade de l’analyse, votre fenêtre Contents (Contenu) inclut un grand nombre de couches. Pour réduire la quantité d’espace qu’elles occupent dans la fenêtre, vous pouvez réduire leur symbologie en cliquant sur la flèche en regard du nom de la couche.

  3. Cliquez avec le bouton droit sur Homicides, pointez sur Data (Données) et sélectionnez Export Features (Exporter des entités).

    La fenêtre Export Features (Exporter les entités) s’affiche. La couche Homicides est déjà sélectionnée pour Input Features (Entités en entrée).

  4. Dans la fenêtre Export Features (Exporter des entités), pour Output Name (Nom en sortie), saisissez Homicides_Buffalo.

    Vous pouvez créer une expression pour exporter uniquement un sous-ensemble de tous les homicides. Vous allez créer une expression pour vérifier que votre couche exportée contient uniquement les homicides qui ont eu lieu à Buffalo.

  5. Développez l’onglet Filter (Filtre) et, sous Expression, créez une expression Où Ville est égal à Buffalo.

    Paramètres de la fenêtre Export Features (Exporter des entités)

  6. Cliquez sur OK.

    L’outil s’exécute et la couche Homicides_Buffalo est ajoutée à la carte. Cette couche contient uniquement les homicides qui ont eu lieu à Buffalo.

  7. Si nécessaire, fermez la fenêtre Feature Class to Feature Class (Conversion Tools) (Classe d’entités vers classe d’entités (Outils de conversion)).
  8. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Buffalo_Homicides (Homicides_Buffalo) et sélectionnez Zoom To Layer (Zoom sur la couche).

    La carte accède à l’étendue de la couche, qui est la même que la localisation de Buffalo, dans l’état de New York, près de la frontière entre les États-Unis et le Canada.

    Un zoom est appliqué à la carte sur la ville de Buffalo, dans l’état de New York.

  9. Désactivez la couche Homicides.

Rechercher les zones dans lesquelles les homicides non résolus sont majoritaires

Votre objectif consiste à analyser les données démographiques des quartiers de Buffalo présentant un nombre élevé de meurtres non résolus. Pour localiser ces quartiers, vous allez utiliser l’analyse de colocalisation. L’analyse de colocalisation évalue la composition des homicides autour de chaque homicide non résolu et la compare à la composition standard de la ville.

Par exemple, si les homicides à Buffalo sont résolus dans 50 % des cas et non résolus dans 50 % des cas, l’analyse de colocalisation s’attend à ce que 50 % des homicides se produisant à proximité d’un homicide donné soient également résolus dans 50 % des cas. Une zone dans laquelle les homicides non résolus sont entourés par un pourcentage plus élevé que prévu d’homicides résolus est une zone dans laquelle les homicides non résolus sont colocalisés avec des homicides résolus. Mais ce qui est plus important pour votre analyse, ce sont les zones d’isolement où les homicides non résolus sont entourés par un pourcentage plus élevé que prévu d’autres homicides non résolus. Il s’agit des communautés et des quartiers dans lesquels les meurtres ont lieu, mais où les arrestations ne sont pas effectuées.

  1. Le cas échéant, ouvrez la fenêtre Géotraitement. Recherchez et ouvrez l’outil Analyse de colocalisation.

    Par défaut, le paramètre Input Type (Type d’entrée) est défini sur Single dataset (Jeu de données unique). Ce type d’entrée est utilisé lorsque les deux variables de votre analyse (dans le cas présent, solved (résolu) et unsolved (non résolu)) figurent dans la même couche.

  2. Pour Input Features of Interest (Entités d’intérêt en entrée), sélectionnez Buffalo_Homicides (Homicides_Buffalo). Pour Field of Interest (Champ d’intérêt), sélectionnez Category (Catégorie).

    Le champ Category (Catégorie) possède deux valeurs, Solved (Résolu) et Unsolved (Non résolu), qui constitueront la base de votre analyse de colocalisation. Vous souhaitez analyser les meurtres non résolus et leur relation avec les meurtres résolus voisins.

  3. Pour Category of Interest (Catégorie d’intérêt), sélectionnez Unsolved (Non résolu). Pour Neighboring Category (Catégorie voisine), sélectionnez Solved (Résolu).

    Vous allez maintenant sélectionner la distance à laquelle les meurtres sont considérés comme étant voisins. Vous allez utiliser un mile pour la distance, car il s’agit d’une taille appropriée pour les quartiers locaux et les communautés.

    Remarque :

    La distance que vous sélectionnez affecte vos résultats. Elle doit être appropriée à l’échelle de votre analyse et à la zone que vous examinez. Un mile a été sélectionné pour refléter une distance à laquelle les homicides sont susceptibles d’avoir un impact sur les résidents locaux. Quelqu’un qui vit à Buffalo ou qui a une meilleure compréhension de la dynamique des quartiers à Buffalo (comme l’impact de la peur, des sentiments, de la sécurité ou d’autres émotions) pourrait opter pour une échelle d’analyse différente. Pour modéliser des relations plus complexes (comme le temps de trajet), vous pourriez indiquer une matrice de pondérations spatiales.

  4. Pour Neighborhood Type (Type de voisinage), sélectionnez Distance band (Bande de distance). Pour Distance Band (Bande de distance), saisissez 1 et sélectionnez Statute Miles (Milles terrestres).

    Pour terminer, vous allez sélectionner le nombre de permutations, qui détermine la signification statistique des relations entre les homicides résolus et non résolus. Plus le nombre est élevé, plus les résultats sont exacts, mais l’exécution de l’outil peut prendre plus de temps. Vous pouvez sélectionner 99, 199, 499, 999 ou 9999 permutations. À moins que les performances ne soient un problème, il est conseillé de sélectionner 999 ou 9999 permutations pour une exactitude optimale.

  5. Pour Number of Permutations (Nombre de permutations), sélectionnez 999.
  6. Pour Output Features (Entités en sortie), saisissez Colocation_Relationships_Buffalo (Relations_colocalisation_Buffalo).

    Paramètres de l’outil Analyse de colocalisation

  7. Cliquez sur Run (Exécuter).

    L’outil s’exécute et ajoute la couche Colocation_Relationships_Buffalo Relations_colocalisation_Buffalo à la carte. Un avertissement apparaît en bas de la fenêtre Geoprocessing (Géotraitement). Cet avertissement indique que certaines entités du jeu de données n’ont aucun voisin. Vous pouvez ignorer cet avertissement car les homicides sans voisin ne sont ni des zones de colocalisation, ni des zones d’isolement.

  8. Dans la fenêtre Contents (Contenu), décochez la couche Buffalo_Homicides (Homicides_Buffalo).

    Carte affichant les résultats de l’analyse de colocalisation

    La symbologie de la couche comporte quatre catégories. Vous vous intéressez à la catégorie Isolated - Significant (Isolé - Significatif) (en vert foncé), qui correspond aux homicides non résolus majoritairement entourés par d’autres homicides non résolus et pour lesquels le modèle est statistiquement significatif. Ces zones, dans lesquelles les meurtres sont susceptibles de ne pas être résolus, se trouvent principalement dans la partie est de la ville.

Enrichir les zones dans lesquelles les homicides non résolus prédominent

Vous avez identifié les localisations où les homicides non résolus sont prédominants. Vous allez maintenant en apprendre davantage sur ces quartiers et ces communautés. Vous allez examiner plus particulièrement leur composition raciale et leurs caractéristiques démographiques, que vous comparerez plus tard aux autres zones de la ville.

Vous allez commencer par créer une zone tampon autour des zones dans lesquelles les meurtres restent non résolus. Puis, vous enrichirez cette zone tampon avec des données démographiques.

  1. Sur le ruban, sous l’onglet Map (Carte), dans le groupe Selection (Sélection), cliquez sur Select By Attributes (Sélectionner selon les attributs).

    Bouton Sélectionner selon les attributs

  2. Pour Input Rows (Enregistrements en entrée), vérifiez que Colocation_Relationships_Buffalo (Relations_colocalisation_Buffalo) est sélectionné.
  3. Sous Expression, créez une expression qui indique Where LCLQ Type is equal to Isolated - Significant (Où Type LCLQ est égal à Isolé - Significatif).

    Paramètres de l’outil Sélectionner selon les attributs

  4. Cliquez sur OK.

    Les points où les homicides non résolus prédominent sont sélectionnés.

    Nombre significatif d’homicides non résolus mis en évidence sur la carte à Buffalo, dans l’état de New York.

  5. Dans la fenêtre Géotraitement, cliquez sur le bouton Retour. Recherchez et ouvrez l’outil Zone tampon deux par deux.

    Vous allez créer une zone tampon d’un mile, ce qui correspond à la distance que vous avez utilisée pour déterminer les voisinage dans votre analyse de colocalisation. Vous utilisez l’outil Zone tampon deux par deux à la place de l’outil Zone tampon habituel car il convient davantage à la création de zones tampon superposées à partir de nombreux points.

  6. Dans l’outil Zone tampon deux par deux, pour Input Features (Entités en entrée), sélectionnez Relations_colocalisation_Buffalo. Pour Output Feature Class (Classe d’entités en sortie), saisissez Unsolved_Homicide_Areas_Buffalo (Zones_Homicides_Non_Résolus_Buffalo).
  7. Pour Distance, saisissez 1 et sélectionnez Statute Miles (Milles terrestres).

    Par défaut, une zone tampon est créée pour chaque entité en entrée. Vous allez dissoudre toutes les zones tampon en une seule entité pour faciliter l’analyse qui suit.

  8. Pour Dissolve Type (Type de fusion), sélectionnez Dissolve all output features into a single feature (Fusionner toutes les entités en sortie en une seule entité).

    Paramètres de l’outil Zone tampon deux par deux

  9. Cliquez sur Run (Exécuter).

    L’outil s’exécute et crée une zone tampon d’un mile autour des points sélectionnés.

    Carte avec une zone tampon ajoutée

    Remarque :

    Puisque les permutations effectuées par l’outil Analyse de colocalisation ajoutent un composant aléatoire à l’analyse, vos résultats peuvent légèrement différer de ceux affichés dans les images de l’exemple. Ces différences mineures n’affecteront pas vos conclusions.

  10. Sur le ruban, sur l’onglet Map (Carte), dans le groupe Selection (Sélection), cliquez sur Clear (Effacer) pour effacer la sélection.
  11. Dans la fenêtre Géotraitement, cliquez sur le bouton Retour. Recherchez et ouvrez l’outil Enrichir.
  12. Dans Input Features (Entités en entrée), sélectionnez Unsolved_Homicide_Areas_Buffalo (Zones_Homicides_Non_Résolus_Buffalo). Pour Output Feature Class (Classe d’entités en sortie), saisissez Unsolved_Homicide_Area_Data (Données_Zones_Homicides_Non_Résolus).
  13. En regard de Variables, cliquez sur le bouton d’ajout.

    La fenêtre Data Browser (Navigateur de données) s’ouvre. Vous pouvez utiliser ce navigateur pour rechercher et ajouter des variables de données démographiques que l’outil utilisera pour enrichir la couche. Plus vous ajoutez de variables, plus l’analyse consomme de crédits. Vous allez ajouter six variables couvrant la race, l’âge et le revenu.

  14. Dans la fenêtre Data Browser (Navigateur de données), double-cliquez sur la catégorie Race.

    Catégorie Race

  15. Double-cliquez sur Population by Race. Pour les trois variables suivantes, sélectionnez le signe pourcentage, désélectionnez le signe dièse et cochez la case :
    • 2024 White Population (Population blanche 2024)
    • 2024 Black Population (Population noire 2024)
    • 2024 Asian Population (Population asiatique 2024)
    Remarque :

    Il existe de nombreux autres groupes raciaux distincts qui peuvent être inclus dans une analyse de ce type. Vous pouvez ajouter plus de groupes raciaux si vous le souhaitez, mais dans le cadre de ce didacticiel, vous n’utiliserez que les groupes mentionnés précédemment.

    Variables de race

    Remarque :

    Les données sont mises à jour régulièrement. Utilisez les données les plus récentes.

  16. Cliquez sur le bouton de retour et double-cliquez sur Hispanic Origin (Origine hispanique). Pour 2024 Hispanic Population (Population hispanique 2024), sélectionnez le signe pourcentage, désélectionnez le signe dièse et cochez la case

    2024 Hispanic Population (Population hispanique 2024)

  17. Cliquez sur le bouton de retour ou cliquez sur Categories (Catégories) pour revenir à la liste des catégories. Dans la zone de recherche, saisissez median age et appuyez sur Entrée.
  18. Cochez la variable 2024 Median Age (Âge médian 2024).

    Variable 2024 Median Age (Âge médian 2024)

  19. Recherchez et cochez la variable 2024 Wealth Index (Indice de richesse 2024).

    Variable 2024 Wealth Index (Indice de richesse 2024)

    Vous avez sélectionné six variables au total.

  20. Dans la fenêtre Data Browser (Navigateur de données), cliquez sur OK.

    Paramètres de l’outil Enrichir les données

    Les variables sont ajoutées aux paramètres de l’outil Enrichir. Notez qu’un message stipule que l’outil requiert des crédits. C’est le coût correspondant à l’utilisation de variables démographiques dans votre analyse. La consommation de crédits pour exécuter cet outil est faible (inférieure à 1 crédit), vous allez donc l’exécuter. Vous pouvez aussi obtenir une estimation des crédits nécessaires avant de lancer l’outil.

    Remarque :

    En savoir plus sur les crédits.

  21. En haut de l’outil, cliquez sur Estimate credits (Estimer les crédits).

    Estimer les crédits

    La consommation de crédits estimée est seulement de 0,06 crédit.

  22. Cliquez sur Run (Exécuter).
  23. Fermez la fenêtre Géotraitement. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur UnsolvedHomicideAreasData (Données_Zones_Homicides_Non_Résolus) et sélectionnez Attribute Table (Table attributaire).
    Remarque :

    Vous devrez peut-être faire défiler la fenêtre Contents (Contenu) vers le bas pour trouver la couche.

    La table inclut des champs pour chacune des variables sélectionnées.

    Résultats de l’outil Enrichir

    Dans les communautés de Buffalo où les homicides ne sont pas résolus, 64 % des habitants sont noirs. L’âge médian est de 33,6 ans et l’indice de richesse est égal à 32. La moyenne nationale de l’indice de richesse est de 100, donc un indice de richesse égal à 32 signifie que le quartier est majoritairement pauvre.

    Bien que ces statistiques suggèrent que les quartiers où les homicides ne sont pas résolus sont majoritairement noirs et sous la moyenne nationale en termes de richesse, vous ne pouvez en tirer aucune conclusion quant à l’inégalité raciale tant que vous n’avez pas comparé cette zone à toutes les zones d’homicides.

Obtenir des statistiques pour toutes les zones d’homicides

Il est possible que toutes les zones dans lesquelles des homicides ont lieu à Buffalo aient un profil démographique similaire, que les homicides soient résolus ou non. Vous allez devoir comparer les données démographiques de la zone dans lesquelles les homicides ne sont pas résolus aux autres zones d’homicides du pays.

  1. Fermez la table.

    Dans le but d’éviter les répétitions et les dépenses de crédits, la zone tampon d’autres zones avec des homicides aux États-Unis a déjà été créée et enrichie selon la même procédure que celle que vous avez suivie pour Buffalo.

  2. Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Homicide Area Data (Données des zones d’homicides) et sélectionnez Attribute Table (Table attributaire).
  3. Dans la table, cliquez sur le numéro de ligne correspondant à Buffalo pour la sélectionner.

    Entrée de la table pour Buffalo

    L’intégralité de la ligne est mise en surbrillance.

  4. Faites défiler l’écran vers la droite jusqu’aux variables 2024.

    Selon la table, la zone dans laquelle tous les homicides ont lieu à Buffalo compte une population noire à 31 %, comparé à 75 % dans la zone des homicides non résolus. De plus, cette zone a un indice de richesse égal à 53, comparé à 29 dans la zone des homicides non résolus. Ces conclusions suggèrent que les homicides tendent à rester non résolus dans les zones plus pauvres et comptant une population noire plus importante.

    Le schéma est similaire pour d’autres villes présentant des taux élevés d’homicides non résolus. Par exemple, si vous répétiez cette analyse pour Chicago, vous trouveriez que la population des zones où les homicides ne sont pas résolus est à 62 % noire, contre 30 % dans toutes les zones d’homicides. L’indice de richesse est de 45 dans les zones d’homicides non résolus, contre 79 dans toutes les zones d’homicides. À Baltimore, à Detroit et à la Nouvelle-Orléans, les autres villes affichant le taux d’homicides non résolus le plus élevé, les zones dans lesquelles les homicides ne sont pas résolus sont associées à un pourcentage plus élevé d’habitants noirs et un indice de richesse plus faible par rapport à toutes les zones d’homicides.

    L’image suivante compare l’origine ethnique et les différences raciales entre les zones d’homicides non résolus (en rouge) et les zones d’homicides résolus (en bleu) à Chicago, Baltimore, Detroit et La Nouvelle-Orléans :

    Quatre diagrammes comparant les données démographiques raciales et d’origine ethnique dans les zones d’homicides

    Remarque :

    Le champ Hispanic (Hispanic) créé par l’outil Enrichir représente l’origine ethnique (et non la race) et inclut les asiatiques, les noirs ou afro-américains et les blancs qui s’identifient comme hispaniques.

    Ces conclusions sont des preuves de l’inégalité raciale. Elles démontrent que les communautés noires subissent une charge disproportionnée quant aux homicides non résolus, en comparaison avec d’autres communautés.

  5. Sur le ruban, dans l’onglet Map (Carte), dans le groupe Selection (Sélection), cliquez sur Clear (Effacer) .

    Vous avez comparé les données démographiques de Buffalo à celles d’autres villes présentant des taux élevés de meurtres non résolus. Vous allez maintenant étendre votre analyse au pays tout entier. Plutôt que d’examiner chaque ville individuellement, vous allez synthétiser les caractéristiques démographiques de toutes les villes avec des données d’homicides. Vous allez plus spécifiquement calculer les moyennes des champs relatifs à la race, à l’âge et à la richesse, en pondérant chacune d’entre elles par la population de chaque ville.

    Si les résultats de cette analyse révèlent que zones d’homicides non résolus ne montrent pas de caractéristiques démographiques similaires à celles de toutes les zones d’homicides, il se peut que vous découvriez la preuve éventuelle de l’inégalité sociale et raciale.

    Vous allez d’abord multiplier chaque champ de données démographiques par le champ de population. Lorsque vous pondérez les champs en fonction de la population, les villes dont la population est plus importante ont une influence plus élevée sur la moyenne. Vous évitez ainsi qu’une ville avec une faible population et un pourcentage extrêmement élevé d’une donnée démographique ne fausse les résultats.

  6. Dans la fenêtre Géotraitement, recherchez et ouvrez l’outil Calculer un champ.

    Cet outil calcule un nouveau champ selon une équation que vous créez. Vous allez exécuter cet outil six fois, une pour chacun des champs de données démographiques. À chaque exécution de l’outil, vous allez utiliser une équation qui multiplie un des champs de données démographiques par le champ de population.

  7. Dans l’outil Calculate Field (Calculer un champ), saisissez les paramètres suivants :
    • Pour Input Table (Table en entrée), sélectionnez Homicide Area Data (Données des zones d’homicides).
    • Pour Field Name (Existing or New) (Nom du champ [existant ou nouveau]),, saisissez wAsian (pAsiatique) (le p correspondant à pondéré).
    • Pour Field Type (Type de champ), choisissez Double (64-bit floating point) (Double (virgule flottante 64 bits)).
    • Pour wAsian = (pAsiatique =), saisissez !populationtotals_totpop_cy_1! * !raceandhispanicorigin_asian_cy_p_1!.
    Conseil :

    Vous pouvez aussi créer l’expression en double-cliquant sur le champ 2024 Total Population (Population totale 2024), en cliquant sur le signe multiplier (*) et en double-cliquant sur le champ 2024 Asian Population: Percent (Population asiatique 2024 : Pourcentage).

    Paramètres de l'outil Calculer un champ

    Remarque :

    Les noms de champ apparaissent dans l’expression, mais pas l’alias.

  8. Cliquez sur Run (Exécuter).

    L’outil s’exécute et un nouveau champ nommé wAsian (pAsiatique) est ajouté à la fin de la table. Il contient le pourcentage de population asiatique de chaque ville, pondéré par la population.

  9. Exécutez l’outil Calculate Field (Calculer un champ) cinq fois supplémentaires, en modifiant le paramètre Field Name (Nom de champ) et la deuxième moitié des paramètres Expression selon la liste suivante (conservez le paramètre Field Type (Type de champ) défini sur Double et conservez !populationtotals_totpop_cy! au début de chaque expression) :

    Nom de champExpression

    wBlack

    !populationtotals_totpop_cy! * !raceandhispanicorigin_black_cy_p_1!

    wHispanic

    !populationtotals_totpop_cy! * !raceandhispanicorigin_hisppop_cy_p!

    wWhite

    !populationtotals_totpop_cy! * !raceandhispanicorigin_white_cy_p_1!

    wMedianAge

    !populationtotals_totpop_cy! * !gender_medage_cy!

    wWealthIndex

    !populationtotals_totpop_cy! * !wealth_wlthindxcy_1!

    Les valeurs calculées remplissent la table attributaire Homicide Area Data.

    Champs affichant des données démographiques pondérées par population

    Vous allez maintenant créer des résumés statistiques pour ajouter toutes les valeurs de chaque champ. Lorsque vous divisez la somme des valeurs par la somme des populations totales, vous obtenez le pourcentage moyen de chaque variable de données démographiques dans le pays.

  10. Dans la fenêtre Geoprocessing (Géotraitement), recherchez et ouvrez l’outil Summary Statistics (Résumés statistiques).

    Cet outil calcule les statistiques de toutes les valeurs d’un ou de plusieurs champs.

  11. Dans l’outil Résumés statistiques, définissez les paramètres suivants :
    • Pour Input Table (Table en entrée), sélectionnez Homicide Area Data (Données des zones d’homicides).
    • Dans Output Table (Table en sortie), saisissez Sums (Sommes).
    • Pour Statistics Field(s) (Champ(s) statistique(s)), dans Field (Champ), sélectionnez wAsian (pAsiatique), wBlack (pNoir), wHispanic (pHispanique), wWhite (pBlanc), wMedianAge (pÂgeMédian) et wWealthIndex (pIndiceRichesse).
    • Si nécessaire, pour Statistic Type (Type de statistique), sélectionnez Sum (Somme) pour chaque champ.

    Paramètres de l’outil Résumés statistiques

  12. Cliquez sur Run (Exécuter).

    L’outil s’exécute et crée la table Sums (Sommes), qui est ajoutée en bas de la fenêtre Contents (Contenu).

  13. Fermez la table Homicide Area Data (Données des zones d’homicides). Dans la fenêtre Contents (Contenu), sous la section Standalone Tables (Tables autonomes), cliquez avec le bouton droit sur la table Sums et sélectionnez Open (Ouvrir).

    Table avec les sommes pondérées

    Pour calculer les moyennes, vous allez diviser les sommes pondérées par la somme totale des populations (50 119 283). Vous pouvez effectuer ces calculs à l’aide de l’outil Calculer un champ, mais dans le cadre de ce didacticiel, les calculs sont fournis.

    • Pourcentage moyen de la population asiatique dans toutes les zones d’homicides : 472 639 288,4 / 50 119 283 = 9,4 pour cent
    • Pourcentage moyen de la population noire dans toutes les zones d’homicides : 1 175 732 428,04/ 50 119 283 = 23,45 pour cent
    • Pourcentage moyen de la population hispanique dans toutes les zones d’homicides : 1 525 332 275,05 / 50 119 283 = 30,43 pour cent
    • Pourcentage moyen de la population blanche dans toutes les zones d’homicides : 1 881 577 324,59 / 50 119 283 = 37,54 pour cent
    • Âge médian moyen dans toutes les zones d’homicides : 1 808 939 077,2/ 50 119 283 = 36,1
    • Indice de richesse moyen dans toutes les zones d’homicides : 3 924 682 224 / 50 119 283 = 78,3

    La table suivante compare les statistiques des zones d’homicides non résolus à Buffalo, de toutes les zones d’homicides à Buffalo et de toutes les zones d’homicide de 50 villes aux États-Unis, où des données sur les homicides ont été collectées. Une zone d’homicides est définie comme un emplacement dans un rayon d’un mile de n’importe quel autre homicide.

    TerrainZones d’homicides non résolus à BuffaloToutes les zones d’homicides à BuffaloToutes les zones d’homicides dans 50 villes

    Percent Asian (Population asiatique (%))

    2.5

    4.1

    8,9

    Percent Black (Population noire (%))

    75,1

    32,3

    25,2

    Percent Hispanic (Population hispanique (%))

    4.4

    11,7

    30,3

    Percent White (Population blanche (%))

    17,9

    54,9

    47,7

    Age médian

    36,4

    36,8

    35,4

    Wealth Index (Indice de richesse)

    29,0

    49,0

    78,4

    La zone d’homicides non résolus que vous avez analysée à Buffalo affiche un pourcentage plus élevé d’habitants noirs et un indice de richesse plus faible que les autres zones d’homicides aux États-Unis. Bien que vous ayez effectué votre analyse sur la ville de Buffalo dans ce processus, cette tendance se vérifie également pour Baltimore, Chicago, Detroit et la Nouvelle-Orléans, les autres communautés les plus impactées par les homicides non résolus.

    Pourquoi comparer les données démographiques des zones d’homicides non résolus à toutes les zones d’homicides, plutôt que de les comparer à toutes les zones où les homicides résolus sont majoritaires ou à toutes les autres zones homicides (toutes sauf les homicides non résolus isolés significatifs) ? Toutes ces comparaisons sont valides, mais votre approche est la plus conservatrice car les données démographiques de toutes les zones d’homicide comprennent les données démographiques des zones d’homicides non résolus.

  14. Fermez la table. Enregistrez le projet.

    Votre analyse prouve grâce aux données l’existence de l’injustice raciale et sociale. Elle n’identifie pas les raisons de l’existence de zones dans lesquelles les homicides ne sont pas résolus, mais elle montre qu’un segment particulier de la population en supporte injustement les conséquences tragiques.

    Comment est la vie dans une communauté où les meurtres ne sont résolus ? Si vous vivez dans l’une de ces communautés, quelles sont les conséquences plus larges ? Les articles suivants peuvent vous permettre d’approfondir le sujet :

    Dans ce didacticiel, vous avez identifié les régions dans lesquelles les homicides non résolus prédominent à Buffalo, dans l’état de New York. Vous avez ensuite obtenu les données démographiques de ces zones et les avez comparées aux données démographiques de toutes les zones d’homicides. Si les données démographiques avaient été similaires, vous auriez pu conclure que toute personne habitant dans une zone d’homicides doit faire face aux conséquences tragiques des homicides non résolus de manière équitable. Au lieu de cela, vous avez mis en évidence de fortes disparités. Les zones dans lesquelles les homicides ne sont pas résolus sont associées à une proportion plus élevée d’habitants noirs à faible revenu, ce qui suggère des inégalités raciales, sociales ou judiciaires.

Étapes suivantes

Quelles actions pouvez-vous mettre en place afin de promouvoir l’égalité sociale dans votre communauté, dans votre école ou sur votre lieu de travail, ou auprès des personnes, des organisations et des institutions avec lesquelles vous vous engagez ? Vous pouvez répéter le processus pour votre propre ville ou une ville proche, ou utiliser ArcGIS StoryMaps pour créer un récit qui partage vos résultats. Vous pouvez également adapter le processus afin d’identifier d’éventuelles inégalités raciales ou sociales associées à l’accès aux parcs ou aux écoles de qualité, à la proximité des dangers pour l’environnement, ou à la disponibilité des emplois, des logements abordables ou des services de soin.

Vous pouvez de plus explorer les ressources suivantes :

  • Murder Accountability Project, une organisation à but non lucratif créé en 2015 qui vise à réduire le nombre d’homicides non résolus aux États-Unis, à faciliter l’application de la loi en menant à bien des enquêtes sur d’anciennes affaires non résolues et à informer le public quant au problème croissant des meurtres non résolus.
  • GIS Equity & Social Justice, une communauté d’utilisateurs Esri
  • Racial Equity: GIS for Racial Justice, des ressources et des processus SIG qui permettent de cartographier et de mieux comprendre l’inégalité raciale
  • Racial Equity GIS Hub, un hub de ressources en développement continu qui aide les organisations agissant dans la lutte contre les inégalités raciales
  • Using GIS to Operationalize Racial Equity & Social Justice, une vidéo enregistrée expliquant comment des organisations utilisent les SIG pour évaluer l’impact de leurs choix et développer des programmes et des stratégies visant à renforcer l’équité.

Pour en savoir plus sur les complexités et les limitations des données sur les crimes et les taux de résolution des crimes, explorez les ressources suivantes :

Pour en savoir plus sur les raisons qui expliquent la non-résolution des crimes, consultez les ressources suivantes :

Pour en savoir plus sur le combat du racisme systémique grâce à l’investissement dans les communautés noires, explorez les ressources suivantes :

Vous trouverez d’autres didacticiels dans la bibliothèque des didacticiels.