MétaCan
Menu
Retour à la cohorte
Enregistrement W3138597088 · doi:10.22197/rbdpp.v7i1.537

Editorial of dossier “Admissibility of Evidence in Criminal Process. Between the Establishment of the Truth, Human Rights and the Efficiency of Proceedings”

2021· article· en· W3138597088 sur OpenAlexfundno aff
Karolina Kremens, Wojciech Jasiński

Notice bibliographique

RevueRevista Brasileira de Direito Processual Penal · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal processes and jurisprudence
Établissements canadiensnon disponible
Organismes subventionnairesUniwersytet WrocławskiNarodowym Centrum NaukiUniversity of Ottawa
Mots-clésHuman rightsLawBalance (ability)Criminal justicePopularityPolitical sciencePopulismEconomic JusticeCriminal procedureProcess (computing)Order (exchange)Law and economicsSociologyComputer scienceBusinessPsychologyPolitics

Résumé

récupéré en direct d'OpenAlex

The rules on the admissibility of evidence secure accurate fact-finding as a prerequisite for the correct application of substantive criminal law and proper operation of the criminal justice system in society. But the search for the truth must be limited in order to take into account other important values, among which human rights hold a central place. The quest for a fair balance between the effective fight against crime and respect for individual rights constantly remains in the center of heated discussion. However, there are two other factors that strongly influence the evidentiary rules, creating an environment where finding the truth becomes more complicated than ever before. The popularity of the disposition of cases out of trial and the impact of technology and science, both interrelated and focused on the efficiency of the criminal justice system, paradoxically make the quest for the truth easier and faster, but also more prone to errors. Moreover, the new technologies allowing evidence gathering have become a vital threat to the right to privacy. Finding solutions to these challenges necessitates dialogue including various stakeholders and free of the penal populism that has recently dominated the legal discourse.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,035
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0070,002
Études des sciences et des technologies0,0050,007
Communication savante0,0070,005
Science ouverte0,0040,002
Intégrité de la recherche0,0150,017
Charge utile insuffisante (le modèle a refusé de juger)0,0110,007

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,370
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Brasileira de Direito Processual PenalMême sujetLegal processes and jurisprudenceTravaux en français237 207