Facteurs explicatifs de la confession en contexte d’interrogatoire policier : une analyse d’arbres décisionnels
Notice bibliographique
Résumé
La plupart des études sur la confession se sont penchées sur l’influence individuelle de différents facteurs explicatifs de la confession de suspects en contexte d’interrogatoire, négligeant les interactions potentielles entre ces facteurs et leur influence combinée sur la décision du suspect d’avouer ou non le crime reproché. Afin de remédier à cette situation, la présente recherche propose une approche profil basée sur des analyses d’arbres de classification et de régression, aussi appelées analyses d’arbres décisionnels, afin de déterminer les associations, la hiérarchie et le poids relatif de chacun de ces facteurs explicatifs dans le processus décisionnel du suspect. Cette étude repose sur les données autorévélées pour un échantillon de 211 détenus incarcérés dans un pénitencier canadien. Les résultats indiquent notamment la présence de différents profils/combinaisons de facteurs jouant un rôle plus ou moins grand dans le processus décisionnel et la probabilité d’une confession. Plus particulièrement, ils mettent de l’avant l’importance marquée des facteurs situationnels et l’influence qu’aura la police sur la prise de décision du suspect de confesser ou non son crime. Les profils décisionnels et le poids des facteurs explicatifs observés seront discutés à la lumière des connaissances actuelles quant à la confession, tout en soulignant l’implication de ces résultats pour les interrogatoires policiers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».