<i>Tessling</i> on My Brain: The Future of Lie Detection and Brain Privacy in the Criminal Justice System
Notice bibliographique
Résumé
The criminal justice system requires reliable means of detecting truth and lies. A battery of emerging neuro-imaging technologies makes it possible to gauge and monitor brain activity without the need to penetrate the cranium. Bypassing external physiological indicators of dishonesty relied upon by previous lie detection techniques, some neuro-imaging experts believe in the possibility of reliable brain-scan lie-detection systems in the criminal justice system. Because future generations of neuro-technology will become smaller and sleeker, will have greater read ranges, and could one day interface with implantable microchips, some of those experts also believe in the possibility of remote, surreptitious brain surveillance. In this article, the authors examine such possibilities and assert that Canadian courts’ current approach to protecting privacy cannot easily accommodate the challenges caused by these emerging technologies. The article commences with an examination of the “reasonable expectation of privacy” standard adopted by the Supreme Court of Canada, arguing that various courts across Canada have misunderstood and misapplied the R. v. Tessling decision by way of an inappropriate analogy. After a description of brain-scan lie-detection systems, the authors then examine the courts’ use of the Tessling analogy in the context of brain privacy. In addition to demonstrating the danger in a generalized judicial proposition that there is no reasonable expectation of privacy in information emanating from a private place into a public space, the authors conclude that a more robust account of brain privacy is required and speculate about possible sources of law from which this might derive.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».