Challenging Jurors' Racism
Notice bibliographique
Résumé
Despite overwhelming documentation of disproportionate arrest, prosecution, conviction, and incarceration of Black Americans and the many psychological tools available to assess racism and implicit bias, antiracist jury selection remains an understudied area of research. An evidence-based jury selection process is an urgent need, particularly due to the historical and ongoing racial bias within this process. This article attempts to assist judges and attorneys in their efforts to select an impartial jury by equipping them with a better understanding of different forms of racism (e.g., overt, covert, symbolic, aversive) as well as providing an introduction to insightful psychometric tools that can be used to prioritize the selection of antiracist jurors and identify those who hold implicit and explicit biases or others who are likely to be impartial in their assessment of the case. Attorneys have tended to focus on a person’s race or self-reported attitudes to identify racism in potential jurors, but these approaches do not effectively identify aversive racists, who need to be asked direct questions about their behaviors rather than their attitudes. Likewise, efforts to identify racial justice allies amongst potential jurors should be employed to identify people who are able to approach their jury duty in a courageous anti-racist manner. Some tools discussed include the Color-Blind Racial Attitudes Scale (CoBRAS), Symbolic Racism Scale 2000 (SR2K), Modern Racism Scale (MRS), Multigroup Ethnic Identity Measure (MEIM), Black-White Implicit Association Test (BW-IAT), and the Interpersonal Racial Allyship Scale (IRAS). We also propose a novel questionnaire created by the authors that is specifically designed to differentiate racial justice allies from aversive racists. We hope this article will help to inform the development of a more robust system to select antiracist jurors, and ultimately help to create a more just American legal system.
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 | 0,088 | 0,189 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».