Anatomie d’une enquête criminelle
Notice bibliographique
Résumé
Malgré l’attention considérable portée à l’étude du maintien de l’ordre, les criminologues omettent l’une de ses principales fonctions. Les enquêtes criminelles impliquent environ 16 % du personnel d’application de la loi et jouent un rôle majeur, en fonction de leurs succès et de leurs échecs, dans la manière dont les forces de l’ordre sont perçues par le public. Cette lacune scientifique est d’autant plus surprenante compte tenu du rôle primordial que jouent les détectives et les enquêteurs policiers quant à la suite des choses. Sans la résolution du crime et l’arrestation de l’individu fautif, aucune autre instance du système de justice – procureur, avocat de la défense, juge, juré, probation, maison de détention, prison, libération conditionnelle, réinsertion sociale – n’entre en jeu. Les quelques recherches menées sur le sujet se sont surtout intéressées à l’aspect organisationnel et technique du travail de détective. J’opterai ici pour une approche différente et analyserai l’anatomie d’une enquête criminelle : sa structure sous-jacente, ce que cette démarche implique et exige, comment atteindre ces exigences, quelles en sont les failles, et où est la place à l’amélioration. Les points plus spécifiques que sont la phase opérationnelle de l’enquête, la définition et la nature de la preuve et la structure systémique derrière l’échec d’enquêtes seront aussi abordés. L’enquête dans l’affaire Gail Miller-David Milgaard servira d’exemple à l’étude.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,003 | 0,011 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».