Putting bias into context: The role of familiarity in identification.
Notice bibliographique
Résumé
Previous demonstrations of context effects in the forensic comparison sciences have shown that the number of "match" responses a person makes can be swayed by case information. Less clear is whether these effects are a result of changes in accuracy (e.g., discrimination ability), a shift in response bias (e.g., tendency to say "match" or "no match") or a mix of the 2. We present a series of experiments where we use a signal detection framework to examine the effects of case information (separately) on forensic comparison accuracy and response bias. We also explore the role of familiarity as 1 potential mechanism for case information to sway accuracy. In Experiment 1, case information about crimes perceived to be more severe swayed people to say "match" more, but had little bearing on their ability to discriminate matching and nonmatching fingerprint pairs. In Experiment 2, case information did affect accuracy when it was familiar (i.e., if a previous similar case was associated with a "match" then people were more likely to also rate the current case as a "match," even though it was not). Even when we blinded people to all extrinsic case information in Experiment 3, accuracy was significantly affected by the familiarity of the fingerprints. These results demonstrate that contextual factors can have different (and independent) influences on accuracy and response bias and that even subtle information can affect accuracy if it is sufficiently similar to the case or trace at hand.
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 | 0,006 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».