Towards another paradigm for forensic science?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Daubert skews the contribution of forensic science because it only took into account its Galilean dimension (construction of general predictive models). However, forensic science should better be classified in the historical sciences (clinical approach to reconstruct a past event of presence or activity). We therefore need a complementary approach that integrates the necessarily “clinical” part in the resolution of forensic issues. Such an evolution involves semiotics. While recognizing that the Bayesian way of thinking is the only prescriptive available model for interpretation fitting well in the Galilean paradigm, the complexity of the reconstruction of a past‐uncontrolled singular case and the robustness of available relevant data to it, invites consideration of its implementation in a semiotic line of arguments. Indeed, Bayes makes it possible to remain in a single harmonized model integrating both the clinical and Galilean dimensions, but rapidly the complexity of the modeling and its mathematization come up against more qualitative natural and legal reasoning. Two different systems of reasoning at stake are inevitably creating a “bug” that could explain the current forensic crisis and miscarriages of justice. This anomaly is reflected in the issue of transparency (misunderstandings by and between interlocutors on the nature of the expertise, if not science). Peirce offers a path to address the tension between complementary reasoning systems. This article is categorized under: Crime Scene Investigation > Epistemology and Method Crime Scene Investigation > From Traces to Intelligence and Evidence Crime Scene Investigation > Education and Formation
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle