MétaCan
Menu
Retour à la cohorte
Enregistrement W3113048536 · doi:10.1002/wfs2.1409

Cadaver‐detection dogs: A review of their capabilities and the volatile organic compound profile of their associated training aids

2020· review· en· W3113048536 sur OpenAlexafffund
Rushali Dargan, Shari L. Forbes

Notice bibliographique

RevueWiley Interdisciplinary Reviews Forensic Science · 2020
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueForensic Entomology and Diptera Studies
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésTraining (meteorology)Geography

Résumé

récupéré en direct d'OpenAlex

Abstract Cadaver‐detection dogs (CDDs) are an essential tool for the search and detection of human remains. In order to enhance their search capability, CDDs are regularly trained on natural and synthetic training aids. The odor profile of these training aids comprises a range of volatile organic compounds (VOCs) which is intended to resemble those produced by a decomposing body. It is currently unknown if detector dogs respond to the same stimuli and whether it is a specific VOC or a suite of decomposition‐related VOCs as their target odor. This review summarizes the VOCs that have been detected in various CDD training aids such as blood, human remains, decomposition fluid, soil, buried remains, textile, and synthetic formulations. Additionally, it discusses the reported capability of CDDs to respond to each of these training aids. The purpose of this review is to understand the variability of VOCs in CDD training aids and the response of CDDs to this wide range of compounds. Additionally, this review attempts to determine if there is a specific training aid to which CDDs respond preferentially. Such a review will assist to establish better practices for CDD training since no standardized practices exist globally. This article is categorized under: Crime Scene Investigation > Special Situations and Investigations Forensic Anthropology > Taphonomic Changes and the Environment Forensic Medicine > Death Scene Investigation

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,050
Tête enseignante GPT0,298
Écart entre enseignants0,248 · 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
GenreSynthèse

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

En bref

Citations25
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews Forensic ScienceMême sujetForensic Entomology and Diptera StudiesTravaux en français237 207