Dead Wrong: Capital Punishment, Wrongful Convictions, and Serious Mental Illness
Notice bibliographique
Résumé
Serious mental illness (SMI), wrongful convictions, and capital punishment is explored, as having a SMI may heighten an individual’s risk of being wrongfully convicted and consequently dealt a capital sentence. In Atkins v. Virginia, the Supreme Court banned the use of capital punishment for individuals with intellectual disabilities, ruling it unconstitutional, due to the diminished moral and intellectual capacity held by these individuals. Based on these Supreme Court findings, an argument is made that SMI is a compelling mitigating factor that ought to disqualify the pursuit of capital punishment. Due to the cognitive and volitional impairments associated with SMI, people with SMI are especially vulnerable to being wrongfully convicted of a crime and further wrongfully sentenced to death. Data to build this argument include that those with SMI are more likely to: 1) falsely confess; 2) struggle with assisting in their defense; 3) be perceived as an unreliable witness; 4) appear as though they lack remorse; and 5) face prejudices from judges and jurors; which all contribute to wrongful convictions. An explanation of these vulnerabilities are discussed in detail by examining 26 case vignettes (derived from the National Registry of Exonerations and other sources) where such individuals were wrongfully convicted due to SMI. Data from the National Registry of Exonerations is further analyzed, leading to discussion of the disproportionate co-occurrence of wrongful convictions that are stimulated by SMI. This paper concludes with an analysis of reforms and a discussion of how to enact safeguards to protect individuals with SMI.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».