The Judicial Admission of Faulty Scientific Expert Evidence Informing Wrongful Convictions
Notice bibliographique
Résumé
The failure of a judge to properly conduct a voir dire to ensure an expert is sufficiently qualified to give evidence in a particular area may give rise to a wrongful conviction. Considering Recommendation 130 from the Goudge Inquiry, that âtrial judges should be vigilant in exercising their gatekeeping role with respect to the admissibility of [expert] evidenceâ, it is essential to examine recent shortcomings of judicial vigilance in admitting expert evidence and to consider how to remedy similar errors in future cases.\nThe major shortcoming of judicial gatekeepers in admitting expert evidence is the improper application of case law regarding the test in R v Mohan and consideration of the factors in Daubert. Systemic patterns of judicial error are demonstrated through the repeated admission of expert evidence given by Doctors Charles Smith and Gideon Koren. By analyzing the flaws in Dr. Smithâs admitted testimony in the context of the Mohan test, and the misapplication of the Daubert factors to Dr. Korenâs evidence, it is clear that the gatekeeperâs acceptance of unqualified or underqualified expert evidence can be avoided by holding fulsome voire dires and adopting techniques utilized in other jurisdictions to reduce the potential of 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.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».