Wrongful Convictions: Adversarial and Inquisitorial Themes
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
The discovery of wrongful convictions in Anglo-American systems over the last twenty years has shaken confidence in the adversarial system of criminal justice. The first part of this article will assess the main identified causes of wrongful convictions in Anglo-American systems through the lens of what they reveal about the limits of the adversary system. Six main causes will be discussed, namely mistaken eyewitness identification, lying witnesses, false confessions and false guilty pleas, faulty forensic evidence, tunnel vision or confirmation bias, and inadequate defense representation. The second part of this article will assess possible remedies for wrongful convictions in Anglo-American systems through the lens of the extent to which they attempt to improve the adversarial system and the extent to which they adopt practices that use inquisitorial methods of investigation.The third part of the article will discuss reform proposals for preventing and remedying wrongful convictions that explicitly or implicitly draw on inquisitorial ideals. It will be suggested that many adversarial systems can easily accommodate inquisitorially inspired reforms. Finally, this article will draw some conclusions about what wrongful convictions can tell us about adversarial and inquisitorial systems. The weaknesses and blind spots of each system will be examined as a prelude to suggesting that combining aspects of adversarial and inquisitorial systems can best prevent and remedy wrongful convictions. Each system can and should learn from the other in order to better prevent and remedy wrongful convictions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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