Tracing trends : the impact of science and technology on the law of criminal evidence and procedure
Notice bibliographique
Résumé
This article is a reflection on how science and technology have already influenced the law of evidence and procedure, and how they might well further influence it in the future. I focus on whether, and to what extent, expert evidence is changing the way criminal cases are proved and evaluated and what general trends can be detected in this area. An example of this can be seen in the increased use of different forms of forensic identification evidence in the criminal justice process. This development has affected all stages of the criminal justice process, revolutionising investigative techniques and evidence collection, adjusting pre-trial procedures, and transforming the presentation of evidence both at trial as well as during the evaluation of this information in judgments. My observations are based on research which relates to developments in adversarial jurisdictions such as the United States, Canada, England and Wales and Australia. The article highlights how changes have come about and how they are being managed in these legal systems. Against this background this article attempts to ascertain the extent to which South African law mirrors the trends in these jurisdictions. The growing scientific and technological world we live in has created certain issues that are universal challenges to all legal systems. This article also demonstrates that the law of evidence has become more multidisciplinary and interdisciplinary. The world-renowned scholar of evidence and proof, William Twining, has always claimed that 'the law of evidence is a multi-disciplinary field' in its own right. Expert evidence demonstrates progressively that lawyers need to know not only the law, but must also be familiar with the fields of science and technology which are nowadays increasingly being used to provide evidence in litigation.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».