MétaCan
Menu
Retour à la cohorte
Enregistrement W1909796763 · doi:10.6000/1929-4409.2015.04.11

The Intricacies Involved in the Analysis and Interpretation of Hammer Transfer Stain/s in a Crime Scene

2015· article· en· W1909796763 sur OpenAlexvenueno aff
Samir Kumar Bandyopadhyay, Nabanita Basu

Notice bibliographique

RevueInternational Journal of Criminology and Sociology · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage Processing and 3D Reconstruction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInterpretation (philosophy)HammerStainForensic engineeringCriminologyPsychologyMedicineEngineeringPathologyPhilosophyStainingStructural engineeringLinguistics

Résumé

récupéré en direct d'OpenAlex

Bloodstain Pattern analysis particularly deals with the reconstruction of dynamic bloodletting events from static bloodstain patterns. Bloodstain patterns often help to sequence events that might have occurred at a crime scene. It can also be used to draw inference about the position of the victim/s, perpetrator/s and bystander/s (if any) at the crime scene. This paper is aimed at intricate analysis/interpretation of transfer stains produced by blunt ended objects at a crime scene. By way of experiments performed within a laboratory setting this paper attempts at establishing that hammer transfer stain or possible weapon transfer stain at a crime scene does not indicate that that particular instrument has been used to murder the victim/s. Also when blood drips over hammer and when a hammer falls under gravity onto a blood pool, the stain patterns formed are particularly different. This particular information under certain circumstances could particularly contribute to sequencing of events at a crime scene. Again, different blunt ended objects were found to produce similar transfer stain patterns. Hence transfer stain patterns should be interpreted in coherence with other relevant circumstantial evidence at the crime scene.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,005
Communication savante0,0070,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,307
Écart entre enseignants0,265 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Criminology and SociologyMême sujetImage Processing and 3D ReconstructionTravaux en français237 207