Victim Impact Statements, New Media Technologies, and the Classical Rhetoric of Sincerity
Notice bibliographique
Résumé
Long a concern for their interjection of emotional appeals into the sentencing process, victim impact statements (VISs) have recently become even more worrisome to some critics, who see in the growing availability of sophisticated video-editing technology the capacity for even unskilled users to construct testimony in ways that corrupt rather than enable reasoned judgment. Drawing upon a combined analysis of the U.S. Supreme Court case Kelly v. California and classical rhetorical theory, I argue by contrast that, especially in death penalty cases, a jury’s demand for authenticity in performance mitigates the potential impact of such technology precisely because the cultural construction of emotive authenticity requires an outpouring of feeling whose very lack of control testifies to its genuineness. As an artistic and compositional techne, the capacity of new media technologies to evoke, seemingly effortlessly, complex representations of emotional states thus contains within itself a fundamental limitation on its power. Recognizing the importance of authenticity and sincerity also reveals a key element of why the introduction of a VIS remains an attractive option for the prosecution, for in allowing the introduction of a VIS the state secures for itself a rhetoric of sincerity that as an institution it could not otherwise hope to wield.
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 | 0,010 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,067 |
| Communication savante | 0,014 | 0,014 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».