Reading the Judicial Mind: Predicting the Courts' Reaction to the Use of Neuroscientific Evidence for Lie Detection
Notice bibliographique
Résumé
How will the courts react to the emerging technology of detecting deception using neuroscientific methods such as neuro-imaging? The sociological theory of the autonomy of technology suggests that if neuroscientific techniques come to be seen as reliable for this purpose, other objections will soon be abandoned. The history of the judicial reaction to DNA evidence illustrates this pattern. As DNA evidence came to be seen as highly reliable, the courts rapidly abandoned their concerns that juries would be overwhelmed by the “mystique of science” and that the justice system would be “dehumanized.” The legal justifications for rejecting polygraph evidence are explored in order to illustrate that the judicial resistance to lie detection technologies, including neuro-imaging, can be expected to follow a similar pattern. The key determinant of whether courts are likely to accept neuroscientific evidence for the purpose of lie detection is the degree to which this evidence is considered to be reliable. Competing concerns about the “dehumanization” of the justice system, or the customary judicial attachment to protecting credibility determination as a purely human function, are unlikely to be able to overcome the pressure to adopt reliable neuroscientific technologies for lie detection should such technologies develop. This is because technologies that are widely accepted as reliable cannot be permitted to remain outside the justice system to deliver their own verdicts incompatible with those of the courts. The continued legitimacy of the justice system cannot tolerate this. The rules of evidence and, in particular, the constitutional right to make full answer and defense are the legal mechanisms by which this accommodation would take place.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».