MétaCan
Menu
Retour à la cohorte
Enregistrement W2590254089 · doi:10.1002/bsl.2276

Investigator Sensitivity to Alibi Witness Inconsistency after a Long Delay

2017· article· en· W2590254089 sur OpenAlexaff
Heather L. Price, Leora C. Dahl

Notice bibliographique

RevueBehavioral Sciences & the Law · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensOkanagan College
Organismes subventionnairesnon disponible
Mots-clésAlibiSuspectWitnessSkepticismPsychologyHonestyConsistency (knowledge bases)Social psychologyCriminologyComputer sciencePolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

In two studies, mock investigators conducted a computer-based investigation of a crime involving an alibi witness who varied in the consistency of his statements taken 5 years apart. Investigators showed evidence of skepticism of alibi witness statements in which major contradictions (activity, location) were present, and some skepticism of statements in which minor (activity) details were contradictory. Entirely consistent statements were judged favorably, and reduced perceptions of suspect guilt (Study 2). The age of the alibi witness did not impact judgments of suspect guilt when children (6 years) and adults (25 years) were compared (Study 1, N = 254), or when children of different ages were compared (6, 8, 11 years; Study 2, N = 234). The present data suggest that investigators were relatively more sensitive to considerations of accuracy than honesty. Copyright © 2017 John Wiley & Sons, Ltd.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,373
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,004
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,095
Tête enseignante GPT0,407
Écart entre enseignants0,312 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBehavioral Sciences & the LawMême sujetDeception detection and forensic psychologyTravaux en français237 207