Bruce Macarthur’s Case And The Common Factor Among Serial Killers
Notice bibliographique
Résumé
O presente trabalho apresenta uma análise do caso do serial killer de Toronto Bruce MacArthur, descoberto em janeiro de 2018, procurando detectar um fator comum entre os casos de assassinos em série mais conhecidos mundialmente, isto é, qual serial a maior dificuldade para investigar e responsabilizar os envolvidos de maneira mais célere. Para tanto, utilizo o estudo de diversos casos mais conhecidos de serial killers, nos quais os mesmos fatores estavam presentes quando, já nos primeiros homicídios, o autor apareceu como suspeito, porém foi descartado inicialmente e considerado suspeito improvável. A análise é feita sob a ótica da tese dos estigmas como metarregras. No caso, a ausência de estigmas é observada como um fator comum, isto é, os assassinos seriais não apresentavam estigma, o que se considera um fator decisivo nos casos para a não elucidação precoce. Verifica-se, portanto, que metarregras ligadas aos estigmas efetivamente interferem na responsabilização criminal da pessoa envolvida em crimes graves, de maneira que se a pessoa não tem estigma, tem pouca visibilidade para a investigação e responsabilização criminal, ainda que indícios fortes de que pode ter praticado homicídios estejam presentes. No final, apresento algumas sugestões para que se evite a interferência dos estigmas como metarregras negativas
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 source (Gemma direct ou Codex distillé), 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 ».