'I Simply Do Not Believe': A Case Study of Credibility Determinations in Canadian Refugee Adjudication
Notice bibliographique
Résumé
Refugee determinations often turn on a single question: Is the refugee claimant telling the truth? While there are other factors that refugee adjudicators must consider, determining whether the claimant's story is credible remains central to virtually all refugee hearings. In light of the key role credibility assessments play in refugee determinations, scholars are paying increasingly more attention to how refugee adjudicators assess credibility.\nThis article contributes to the growing body of research on this subject by examining the full caseload of one refugee adjudicator at Canada's Immigration and Refugee Board (IRB) over a three-year period. That adjudicator, David McBean, denied all the applications for refugee protection he heard during the first three years of his tenure on the IRB. This article examines McBean's decision-making during this period as a case study to shed light on credibility assessments in Canada's refugee determination process. The case study draws on quantitative and qualitative data obtained from the IRB using access to information requests. While McBean is, as the study demonstrates, an outlier in terms of the frequency with which he denies refugee applications, his reasoning with regard to credibility is nonetheless instructive.\nThe article begins by describing the role of credibility in Canada's refugee determination process, including a discussion of existing scholarship in the area. Next, the article presents the case study, offering a quantitative and qualitative examination of McBean's refugee determinations from 2008 to 2010, with a focus on how he approaches credibility assessments. The article then considers three sets of implications of the case study and ends with a brief conclusion.
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 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 | 0,001 | 0,001 |
| 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 | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».