MétaCan
Menu
Retour à la cohorte
Enregistrement W3205305481 · doi:10.47611/jsrhs.v10i3.1595

Understanding the Significance & Complexity of the Brady Rule

2021· article· en· W3205305481 sur OpenAlexaff
Prisha Mehta, Ryne Sandel

Notice bibliographique

RevueJournal of Student Research · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueJury Decision Making Processes
Établissements canadiensCentennial College
Organismes subventionnairesnon disponible
Mots-clésCulpabilityJury instructionsPsychologyPleaSocial psychologyCriminal justiceCriminal caseLawPolitical scienceJuryCriminology

Résumé

récupéré en direct d'OpenAlex

My independent study final product is a means of demonstrating the importance and complexity of evidentiary disclosure in the American criminal justice system. To accomplish this, I designed an experiment to evaluate the impact of Brady violations on the outcome of a criminal trial or plea negotiation. The experiment involved presenting two different versions of a fictional criminal case to forty-four volunteer participants, who were randomly organized into two even groups: Group A and Group B. Version A of the case included the totality of the evidence collected during the discovery phase of the case while Version B of the case omitted a single piece of “exculpatory” evidence to produce the effect of a Brady violation. After reading the given facts, participants in both groups A and B were asked to answer questions regarding the defendant’s culpability and the wisest course of legal action. Participants were given a specified period between three weeks and three days to review the facts and submit their answers to the experimental questions. The results of this experiment and my supporting research on federal and state disclosure regimes show that the “materiality” clause in the Brady Rule subjects prosecutors to highly subjective and vague criteria that 1) can easily be exploited by prosecutors with malicious intents and 2) increase the risk of unintended Brady violations by good-meaning prosecutors.

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)0,018
score de la tête « metaresearch » (Gemma)0,104
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,104
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,008
Communication savante0,0060,008
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,776
Tête enseignante GPT0,573
Écart entre enseignants0,203 · 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'étudeSans objet
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Student ResearchMême sujetJury Decision Making ProcessesTravaux en français237 207