Justicia’s Gaze: Surveillance, Evidence and the Criminal Trial
Notice bibliographique
Résumé
This paper considers the use of the products of surveillance, primarily images, as evidence within the criminal trial. These products, whether static images, video or voice recordings, are increasingly being mediated for the fact-finder via ‘experts’, proffering an opinion about the meaning of some surveillance image, artefact or trace. Common law courts, including those in Australia, the UK, Canada, and the US, have been surprisingly accommodating towards such evidence—allowing incriminating opinions to be presented by witnesses with questionable or unsubstantiated, ‘expertise’. Institutional and judicial responses tend to be inattentive to the reliability of such evidence, and display a misplaced faith in the capacity of traditional trial safeguards to expose and manage the weaknesses inherent in this type of evidence. In looking at the ways in which courts use CCTV images, voice recordings and other traces generated by surveillant assemblages, this paper offers a legal site for consideration that has not featured as prominently in recent surveillance literature. It suggests that the preoccupations generated by the ubiquitous nature of everyday surveillance do not always map cleanly onto the use of surveillance artefacts (e.g. images and other traces) in the criminal justice system. At the same time this paper explores how ideas and concepts familiar to the analysis of surveillance techniques, cultures, imaginaries and practices might inform our understanding of the criminal trial and its related processes. Fundamentally concerned with the value of such evidence, this paper argues that, given the premium placed upon accuracy and fairness within the criminal trial, the state should be able to guarantee the basic trustworthiness of the opinions before interpretations derived from surveillance assemblages are admitted to assist with proof of identity and guilt.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,010 | 0,022 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».