THE DRUG RECOGNITION EXPERT OFFICER:SIGNS OF DRUG IMPAIRMENT AT ROADSIDE
Notice bibliographique
Résumé
Approximately 5,000 Drug Recognition Expert (DRE) officers serve in the United States and British Columbia, Canada. Law enforcement agencies in Australia, England and Germany have also adopted variations of DRE procedures. The primary function of a DRE is to evaluate drivers for impairment due to drugs other than alcohol. If the DRE evaluation is positive for drugs, the DRE will identify the category (s) of drug (s), based on shared patterns of effects, causing the impairment. The DRE evaluation typically occurs following an impaired driving arrest by a non-DRE officer who suspects drug impairment. Drug impairment is typically suspected when the impairment is not consistent with the driver's alcohol level as determined by a chemical test. The involvement of a DRE officer depends upon the ability of an arresting officer to quickly identify cues that suggest drug impairment. Generally, the driving under the influence investigation involves three phases: (1) Illegal or erratic driving actions that alert the officer to the possibility of alcohol and/or drug impairment; (2) Face to face encounter with the driver during which the officer may discover indicia, including physiological signs, of drug impairment; and (3) Administration of the Standardized Field Sobriety Test (SFST) battery, concluding with the decision to arrest or release the driver. The decision to administer the SFST battery is largely based upon evidence of impairment recognized during the phase two encounter. This paper summarizes Phase 2 cues that are taught in SFST and DRE courses, and compares these cues with those documented in a sample of actual DUI-DRE investigations. It will discuss the results and implications of this comparison for the DRE curricula, as well as for the training of the non-DRE traffic enforcement officer. In addition, this paper will provide an overview and update of the DRE program, procedures, training, and court decisions. (A) For the covering abstract of the conference, see ITRD Abstract No. E201067.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,009 |
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 ».