Suspect filler similarity in eyewitness lineups: A literature review and a novel methodology.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Eyewitness lineups typically contain a suspect (guilty or innocent) and fillers (known innocents). The degree to which fillers should resemble the suspect is a complex issue that has yet to be resolved. Previously, researchers have voiced concern that eyewitnesses would be unable to identify their target from a lineup containing highly similar fillers; however, our literature review suggests highly similar fillers have only rarely been shown to have this effect. To further examine the effect of highly similar fillers on lineup responses, we used morphing software to create fillers of moderately high and very high similarity to the suspect. When the culprit was in the lineup, a higher correct identification rate was observed in moderately high similarity lineups than in very high similarity lineups. When the culprit was absent, similarity did not yield a significant effect on innocent suspect misidentification rates. However, the correct rejection rate in the moderately high similarity lineup was 20% higher than in the very high similarity lineup. When choosing rates were controlled by calculating identification probabilities for only those who made a selection from the lineup, culprit identification rates as well as innocent suspect misidentification rates were significantly higher in the moderately high similarity lineup than in the very high similarity lineup. Thus, very high similarity fillers yielded costs and benefits. Although our research suggests that selecting the most similar fillers available may adversely affect correct identification rates, we recommend additional research using fillers obtained from police databases to corroborate our findings.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle