Towards another paradigm for forensic science?
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.
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 | 0,030 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,094 |
| Communication savante | 0,017 | 0,029 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,009 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».