The uses of offender profiling in the Canadian Criminal Justice system
Notice bibliographique
Résumé
Research about offender profiling appears to be predominantly conducted in the USA and in the UK while other countries seem to be left behind. This dissertation will seek to explore the uses of profiling in the Canadian Criminal Justice System. This study will be conducted as a structured literature review with the use of secondary data such as academic publications, cases details, and websites of Canadian criminal justice organizations. This removes any ethical problems such as anonymity, confidentiality or voluntary participation. This dissertation will seek to determine what are the general principles of profiling via the study of the three main approaches of profiling which are the FBI, Statistical and Clinical methods, before focussing more specifically on the ways profiling is used in the Canadian Criminal Justice system. The information gathered will show that profiling is used in two different aspects of the Canadian criminal justice system. First profiling is mostly used as a technique in order to help furthering an investigation when traditional methods have not led to the designation of a suspect. Profiling cannot solve a case by itself but it can potentially help a case by providing other information. This study also highlight that more recently profiling has also been used in Canadian courts as scientific evidence, but so far this remains marginal. The review of Canadian cases show that most of the time profiling evidence tends to be rejected especially when they take the form of behavioural profiling because of their lack of scientific grounds and thus their inability to comply with the legal requirements. However, profiling evidence based on crime scene analysis tends to be admitted to some extent as long as they meet the requirements established by the Courts.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».