MétaCan
Menu
Retour à la cohorte
Enregistrement W3043088441 · doi:10.1111/lcrp.12178

Urgent issues and prospects in reforming interrogation practices in the United States and Canada

2020· article· en· W3043088441 sur OpenAlexaffabout
Brent Snook, Todd F. Barron, L. Fleming Fallon, Saul M. Kassin, Steven M. Kleinman, Richard A. Leo, Christian A. Meissner, Lorca Morello, Laura H. Nirider, Allison D. Redlich, James Trainum

Notice bibliographique

RevueLegal and Criminological Psychology · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésInterrogationConfession (law)Context (archaeology)Resource (disambiguation)Variety (cybernetics)Criminal justiceEconomic JusticePolitical scienceCriminologyPsychologyEngineering ethicsLawEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

The current article presents a series of commentaries on urgent issues and prospects in reforming interrogation practices in Canada and the United States. Researchers and practitioners, who have devoted much of their careers to the field of police and intelligence interrogations, were asked to provide their insights on an area of interrogation research that they believe requires immediate attention. The submitted independent commentaries covered a variety of topics – from police recruitment, interrogation training, use of proper interrogation practices, and the treatment of confession evidence in court. Common concerns from the contributions pertained to the lag between scientific knowledge on interrogations and the application of such knowledge in the justice system, and the glaring disparity between the treatment of similar issues in the interrogation context versus other criminal justice contexts. A primary intent of this collection of commentaries is to serve as a resource pointing researchers in the direction of the fundamental areas that require immediate consideration and encouraging them to simultaneously pursue solutions to the overarching concerns that emerged from this project.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,056
score de la tête « metaresearch » (Gemma)0,131
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,264
Score d'incertitude au seuil0,854

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0560,131
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0550,022
Communication savante0,0250,006
Science ouverte0,0100,007
Intégrité de la recherche0,0170,023
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,127
Tête enseignante GPT0,385
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLegal and Criminological PsychologyMême sujetDeception detection and forensic psychologyTravaux en français237 207