Examining How Lineup Practices of Canadian and U.S. Police Officers Adhere to Their National Best Practice Recommendations
Notice bibliographique
Résumé
Canadian (N = 117) and U.S. (N = 167) police officers completed a survey about their lineup construction and administration practices.We compared their responses to the respective national best-practice recommendations (BPRs) in place at that time; the two nations had five similar and four different recommendations.We predicted that if officers' lineup practices were to correspond with best-practice recommendations, officers' reports of their practices should be similar when national BPRs were similar, and differ in line with their country's BPRs when BPRs differed.We generally found the predicted pattern of results.Findings were especially striking when the BPRs differed.Some practices were largely in line with BPRs (e.g., double-blind testing), others corresponded to some extent (e.g., sequential lineups), and others were largely not followed (e.g., informing witnesses that it is as important to exonerate the innocent as it is to convict the guilty).However, even though our hypotheses were generally supported, there was considerable variation in practices that did not correspond with BPRs.We interpret these findings as demonstrating that BPRs have some influence on practices.Our findings illustrate the importance of assessing user reactions to BPRs and examining barriers to implementation of BPRs.The findings also indicate that BPRs can influence practice but demonstrate that, in the absence of the stronger action of setting legally binding policies, considerable departure from BPRs occurs.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,002 | 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 ».