A CONTEXTUAL APPROACH TO THE ADMISSIBILITY OF THE STATE'S FORENSIC SCIENCE AND MEDICAL EVIDENCE
Notice bibliographique
Résumé
This article examines the admissibility of forensic science and medicine in criminal proceedings. In Part ii, we explain how reliability-based admissibility standards in the United States have been unevenly applied to expert evidence in civil and criminal cases and have not prevented wrongful convictions. In Part iii, we review a recent Consultation Paper (and report) issued by the Law Commission of England and Wales. Though focused on the need for ‘sufficiently reliable’ expert opinion evidence, we challenge its contemplation of easier admissibility for experience-based forensic sciences and techniques traditionally admitted. In Part iv we examine the evolving law on the admissibility of expert evidence in Canada. In response, we argue that while front-end reforms to the organization and practice of forensic science and medicine, advocated by the Goudge Inquiry and the American National Academy of Sciences, appear more promising than reliance on the adversary system, the gate-keeping role of trial judges should be strengthened. In the concluding section, we contend that threshold reliability standards should be grounded in criminal-justice system values, emerging empirical insights about the weakness of the adversarial trial and be sensitive to the particular evidence and its use, rather than applied mechanically using simplistic models of science and expertise.
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 | 0,064 | 0,108 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,017 | 0,075 |
| Communication savante | 0,020 | 0,014 |
| Science ouverte | 0,004 | 0,016 |
| Intégrité de la recherche | 0,013 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».