MétaCan
Menu
Retour à la cohorte
Enregistrement W3190573170 · doi:10.3390/forensicsci1020009

Defining Patterns and Behaviours of Forward Spatter Gunshot Misting

2021· article· en· W3190573170 sur OpenAlexafffund
Eugene Liscio, Bianca Ledo

Notice bibliographique

RevueForensic Sciences · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueForensic Fingerprint Detection Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Toronto MississaugaUniversity of Toronto
Mots-clésOrientation (vector space)Symmetry (geometry)Axis of symmetryGeometryMaterials scienceGeologyOpticsPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

The purpose of this research was to study forward-spatter misting patterns by shooting a firearm through a chamber of blood encased in ballistic gel to determine if there is a relationship between bloodstain pattern size as a function of distance and orientation. There is a lack of research on forward spatter, blood travelling in the direction of a bullet, as most studies focus on back spatter, blood travelling in the opposite direction of a bullet. A bullet was fired through ballistic gel containing a blood chamber, depositing bloodstains onto a large sheet of butcher paper as the target surface. In total, there were 34 trials. The distances observed were 10, 20, 40, and 80 cm, the angles tested were 30°, 60°, and 90°. The orientation between the ballistic gel and paper target varied. A criterion was established to observe the overall area and symmetry of the bloodstain patterns. Statistical analyses indicated a negative linear relation relationship between the bloodstain pattern size and the paper’s angle and distance (R2 = 0.78) and the vertical symmetry of the bloodstain (R2 = 0.87). The orientation between the ballistic gel and paper target can impact the bloodstain pattern’s symmetry and size.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,351
Écart entre enseignants0,311 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueForensic SciencesMême sujetForensic Fingerprint Detection MethodsTravaux en français237 207