Notice bibliographique
Résumé
The current literature on wrongful convictions documents the legal, psychological, and institutional barriers that prosecutors face in considering post-conviction claims of innocence. However, less is known about how the local court context may relate to prosecutors’ decisions to engage in wrongful conviction investigations. To address this gap, the present study explores how characteristics of the local court community are related to the likelihood of prosecutors assisting, actively opposing, or remaining uninvolved in post-conviction claims of innocence. Specifically, we examine prosecutorial involvement in exonerations from three levels: case-factors, organizational factors, and county-context factors. Using archival data on the exonerations of factually innocent individuals (N = 75), we find that case-related factors are the strongest predictors of prosecutors’ involvement in exonerations. Broadly, our findings suggest that prosecutors are more willing to revisit, assist and even investigate potentially wrongful convictions when the stakes are lower (e.g. the offense is less severe, there is no alleged official misconduct, the district attorney is well-established in the role, etc.). Given the wide range of prosecutorial responses to wrongful conviction claims, we emphasize the importance of specialized conviction review units to help routinize the practice of post-conviction review. Secondly, we suggest that district attorneys explicitly define professional performance metrics to include corrective measures such as assisting in the review of wrongful conviction claims. Finally, we encourage states to adopt formal legal regulations to guide prosecutorial behavior in response to post-conviction claims of innocence.
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 ».