MétaCan
Menu
Retour à la cohorte
Enregistrement W3197001350

Similar Fact Evidence & Crime Linkage Analysis: In Search of an Empirical Foundation to Support the Identity Inference

2018· article· en· W3197001350 sur OpenAlexaffabout
Michelle Lawrence

Notice bibliographique

RevueSSRN Electronic Journal · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Law and Evidence
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésConvictionFoundation (evidence)Identity (music)CriminologyEmpirical evidenceSupreme courtLawPolitical sciencePsychologySocial psychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In Canada, the Crown is generally prohibited from tendering evidence of the accused’s bad character in its case in chief. A significant exception is made for similar fact evidence. The Crown may tender evidence of past bad acts committed by an accused if the probative value of that evidence outweighs its prejudicial effect. The former is measured largely on the basis of the similarities and differences between the past bad acts and the particulars of the alleged offence. The Supreme Court of Canada in R v Handy, 2002 SCC 56 listed seven factors for the court’s consideration in this assessment, including “any distinctive feature(s) unifying the incidents.” Strikingly, to date, trial courts have proceeded in their application of the Handy factors without the benefit of empirical evidence on crime series patterns. This paper will explore the potential use that might be made of crime linkage analysis, particularly in cases of serial sex crimes where identity is in issue. It will describe ways in which criminal litigators might usefully engage this research either in support of the admission of similar fact evidence, or as a check against its misuse and any consequent wrongful conviction.

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)0,052
score de la tête « metaresearch » (Gemma)0,221
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,276

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0520,221
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0100,009
Études des sciences et des technologies0,0040,007
Communication savante0,0040,009
Science ouverte0,0030,006
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,102
Tête enseignante GPT0,467
Écart entre enseignants0,365 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetCriminal Law and EvidenceTravaux en français237 207