Under Our Nose: The Use of<scp>GIS</scp>Technology and Case Notes to Focus Search Efforts
Notice bibliographique
Résumé
Missing person searches can entail much time, effort, and resources. With scientific data and techniques increasingly available to law enforcement and investigations units, can these tools be used to predict likely areas where persons or remains may be discovered, especially in cases where little to no information about the disappearance is available? A retrospective study of seventy-three (73) cases was conducted in Onondaga County, New York, U.S.A., in order to explore this question. Quantitative (geospatial) and qualitative (investigator notes) data were utilized to determine whether patterns exist that may assist in investigations of recent and "cold" missing person cases. Results showed a majority of cases with relative proximity (<5 miles) between victim last seen (VLS) and body recovered (BR) locations. Furthermore, investigators' notes demonstrated repeated descriptors reflecting natural or cultural features associated with hidden, clandestine provenance (e.g., near bodies of water, wooded areas). With future external validation of this study, consistent priority areas may be identified as foci of searches; these priority areas ideally should be thoroughly checked/cleared before the search zone is expanded.
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 | 0,032 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,010 |
| Communication savante | 0,012 | 0,018 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,007 |
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 ».