Quantity and asymmetry of fingerprint white lines: forensic implication
Notice bibliographique
Résumé
Bilateral asymmetry is one of the widely used features by proxy as an indicator of environmental and occupational stress and developmental instability. However, its application in personal identification has not been well elucidated in the literature. The present study strives to investigate the forensic implication of fingerprint white line count (FWLC) quantity and asymmetry and the potential of their utilization as complementary tools in personal identification. The objectives of the study were to determine the potential of FWLC asymmetry as a possible feature for sex and left or right of digit determination and its possible forensic implication among the Hausa population of Kano state, Nigeria. The study was a cross sectional type which comprises of 300 participants. A plain fingerprint captured using live scan techniques to determine the FWLC. Wilcoxon signed ranks and Mann-Whitney tests were used to compare the paired and independent variables. Binary logistic regression analyses were employed for determination of sex and left or right of the digit. The result shows statistically significant differences between the left and right FWLC in both sexes. FWLC exhibited leftward asymmetry in all the digits in both males and females. Significant sexual dimorphism in FWLC asymmetry was observed in all the digits except for the middle digits. Regarding the sex and left or right determination, the coefficients of discrimination of sex and left or right of digit were found to be significant for all the digits except for the middle digits for sex. The variance of sex and left or right of the digits explained by FWLC asymmetry was higher for index and ring digits. The group membership prediction was best for index and ring digits. In conclusion, the FWLC asymmetry exhibits potential in sex and left or right of the digit prediction among Hausa population. Index and ring digits were the best digits that expressed the level of dimorphism and discrimination.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».