Thirty Years of Innocence
Notice bibliographique
Résumé
Systematic reporting of data about wrongful conviction cases in the United States typically begins with 1989, the year of the country’s first post-conviction, DNA-based exonerations. Year-end 2018 thus concludes a full thirty years of information and marks a propitious time to take stock. In this article, we provide an overview of known exonerations, innocence advocacy, and wrongful conviction-related policy reforms in the U.S. during these three decades. First, we provide a brief history of wrongful convictions in the U.S. before turning to the modern era of innocence. We describe the key sources of data pertaining to wrongful convictions and exonerations. Then, using case data from the National Registry of Exonerations, we offer a detailed analysis of national and state-by-state trends in exonerations, including annual totals, DNA- and non-DNA-exonerations, and capital case exonerations. Our examination includes factors corresponding to sources of error, state death-penalty status, and regional differences. We then discuss innocence advocacy organizations, with a particular focus on Centurion Ministries and members of the Innocence Network. This is followed by an examination of state-by-state trends in innocence-related policy reforms on key issues as identified by the Innocence Project. The final section of the article discusses the many important matters we do not yet know about wrongful convictions and poses thoughts, questions, and ideas for continued scholarship focusing on miscarriages of justice. The Appendix provides state-by-state summaries of select information relating to wrongful convictions and innocence reforms.
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 | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».