Détecter l’appelant dissimulateur au service d’urgence 9-1-1
Notice bibliographique
Résumé
Cette étude porte sur la détection de l’appelant dissimulateur au service téléphonique d’urgence. Contrairement à la majorité des citoyens qui font appel à ce service, l’appelant dissimulateur ment ou omet des informations importantes pour la suite de l’enquête. Une étude antérieure ayant déjà démontré que les appelants dissimulateurs se comportent différemment des appelants sincères, les objectifs de l’étude consistent à identifier les traits du comportement verbal de l’appelant qu’on peut associer le plus nettement à la tromperie et à déterminer lesquels sont les plus faciles à repérer. L’analyse est fondée sur la comparaison de 45 appels non sincères à 40 appels sincères ; elle est menée dans une perspective interactionniste. Huit des traits testés sont corrélés avec la non-sincérité de l’appelant. Certains d’entre eux sont d’ordre interactionnel, d’autres d’ordre discursif. Les variables interactionnelles se révèlent plus difficiles à coder que les variables discursives, ce qui entraîne une différence d’évaluation parfois importante d’un analyste à l’autre. On peut construire un outil d’analyse prenant appui sur les quatre variables dont l’évaluation est la plus convergente : la clarté du motif, les pauses avant le début de la réponse à une question, les structuresJE+ verbe à l’imparfait et les contradictions. Un taux de prédiction globale correcte de la sincérité ou de la non-sincérité de l’appelant de 82 % peut être obtenu avec ces variables.
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 | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,005 |
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 ».