MétaCan
Menu
Retour à la cohorte
Enregistrement W1528813126 · doi:10.1111/j.1556-4029.2011.02014.x

Guidelines for the Identification of Unknown Samples for Laboratories Performing Forensic Analyses for Chemical Terrorism*

2011· article· en· W1528813126 sur OpenAlexaff
Matthew L. Magnuson, R. Duane Satzger, Armando Alcaraz, Jason D. Brewer, Dean D. Fetterolf, Martin Harper, R. Hrynchuk, Mary F. McNally, Madeline Montgomery, Eric Nottingham, James L. Peterson, Michael Rickenbach, Jimmy L. Seidel, Karen A. Wolnik

Notice bibliographique

RevueJournal of Forensic Sciences · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueForensic Fingerprint Detection Methods
Établissements canadiensRoyal Canadian Mounted Police
Organismes subventionnairesnon disponible
Mots-clésTerrorismForensic scienceIdentification (biology)Context (archaeology)Forensic identificationForensic geneticsEngineering ethicsEngineeringPolitical scienceLawMedicineBiology

Résumé

récupéré en direct d'OpenAlex

Since the early 1990s, the FBI Laboratory has sponsored Scientific Working Groups to improve discipline practices and build consensus among the forensic community. The Scientific Working Group on the Forensic Analysis of Chemical, Biological, Radiological and Nuclear Terrorism developed guidance, contained in this document, on issues forensic laboratories encounter when accepting and analyzing unknown samples associated with chemical terrorism, including laboratory capabilities and analytical testing plans. In the context of forensic analysis of chemical terrorism, this guidance defines an unknown sample and addresses what constitutes definitive and tentative identification. Laboratory safety, reporting issues, and postreporting considerations are also discussed. Utilization of these guidelines, as part of planning for forensic analysis related to a chemical terrorism incident, may help avoid unfortunate consequences not only to the public but also to the laboratory personnel.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,037
score de la tête « metaresearch » (Gemma)0,061
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,194

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0370,061
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0120,006
Études des sciences et des technologies0,0050,003
Communication savante0,0030,003
Science ouverte0,0080,003
Intégrité de la recherche0,0080,006
Charge utile insuffisante (le modèle a refusé de juger)0,0070,012

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.

Tête enseignante Opus0,418
Tête enseignante GPT0,496
Écart entre enseignants0,077 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Forensic SciencesMême sujetForensic Fingerprint Detection MethodsTravaux en français237 207