ETHICALITY AND THE EXPERT WITNESS: REMEMBERING WHAT HANGS IN THE BALANCE.
Notice bibliographique
Résumé
The motivation to write this article was born out of a keynote lecture given by the author at the University of Windsor, Ontario, Canada for the "Trends in Forensic Sciences: CSI Windsor 2014" Conference on March 21, 2014. The thesis of the ensuing discussion, as the article's title implies, emphasizes how absolutely essential it is for a forensic expert to embody the highest standards of honesty and integrity when called upon to testify in a court of law. First principles are re-visited and discussed in order that the reader understands the necessity of being familiar with the basic rules that are applicable to expert testimony as well as the moral codes that support the doctrinal underpinnings. In addition, the passage of time is explored against a backdrop of scientific advances to help illustrate why the scientific community must remain alive to the possibility that what is seen as a present day given, may be shown not to be so in the foreseeable future. From both a scientific and a legal perspective, at a time when wrongful convictions are being uncovered with some regularity, the various issues surrounding the giving of expert evidence are considered under a much more focused and critical lens. Ultimately, recommendations are made to ensure that the ethicality of the expert witness remains intact, including methods to deter those whose own moral compass is simply not sufficient to stay the course. The tension that often arises between law and science is duly recognized, with compromises considered where appropriate. All comments found herein are solely those of the author made in his personal capacity.
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 | 0,013 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».