Playing the Blame Game: Indigenous Status and Culpability in Ambiguous Sexual Assaults
Notice bibliographique
Résumé
Given the current social and political climate of emphasis on sexual violence awareness, as well as attempts to rectify past injustices that were committed in the ‘name of race’, so to speak, the current study was designed to assess bias within these two relevant areas. Studies concerning racial biases that may be more relevant to Canadian jurors (such as those involving Indigenous persons) are relatively lacking. While there is much statistical and anecdotal evidence to suggest that Indigenous persons are treated differently in the criminal justice system (i.e., prison over-representation, sentencing disparity), there is little evidence specifically focused on biases that may affect jurors in Canadian courtrooms. As a result, the present study was designed to examine whether race and age factors influence decisions concerning criminal culpability. This study was conducted on a University population and consisted of 711 participants. Participants read a transcript of a sexual assault court case that has been adapted from Canadian court records that is an ambiguous case (i.e., unclear whether victim or perpetrator is responsible). Our manipulated variables involve differing descriptions of the complainant (both age and race variations) and defendant (race variations), such that we can examine how these “extralegal” factors may introduce bias in whose testimony is given more weight or deemed more believable. Preliminary analysis shows significant differences in believably, consent, and punishments lengths for false reporting between Caucasian and Indigenous victims. These findings support the idea that racial biases may be relevant to Canadian juries. Faculty Mentor: Kristine Peace Department: Psychology (Honours)
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 | 0,005 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».