Notice bibliographique
Résumé
The decision of fingerprint identification depends on the fingerprint examiner's knowledge and experience. The fingerprint identification process is a recognition process which can be described as a process from perceptual cognition to rational cognition. During the process, one of the factors that impacts the quality of fingerprint identification is the capability of the fingerprint examiner. Fingerprint examiners select corresponding minutiae on fingermark in comparison phase and the capability can be measured by fingerprint examiners' stability of minutiae selection. Some research has demonstrated that stability of minutiae selection has influenced the quality of fingerprint identification conclusion, hence it is critical for conducting such fundamental research on stability of minutiae selection for Chinese fingerprint examiners. Our research is focused on analysis of stability of minutiae selection between analysis phase and comparison phase and can help us to understand: how fingerprint examiners understand the minutiae of fingermark in analysis phase; how to control fingerprint impacts fingerprint examiners' decision in minutiae selection in comparison phase; what is the relationship between stability of minutiae selection and fingerprint identification ability. In this study 106 fingerprint agencies around China were invited to take a proficiency test and finish four trials from the same source. The data were collected by web-based software and were analyzed by R statistical software. The results show that different analysts performed differently and fingerprint quality impacted the stability of minutiae selection. If fingerprint quality values were high, examiners reported highly stable minutiae selection, while they reported highly unstable minutiae selection if quality values were low, especially on the border of high quality and low quality area. Stability of minutiae selection can be effectively measured by I, which is defined as Minutiae Variability Index. This suggests that there is a need for developing a tool to assess the quality of fingermarks to predict the performance of fingerprint examiners during the fingerprint identification process. According to distribution of I, manager can effectively evaluate identification ability of agency or examiner and then take effective measurement to improve the stability of minutiae selection(such as document identification activity and add more verification stage) and make sure the quality of the fingerprint identification.
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 | 0,005 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».