MétaCan
Menu
Retour à la cohorte
Enregistrement W4205342163 · doi:10.46398/cuestpol.3971.16

Problems of implementing international digitalisation standards of criminal investigation

2021· article· en· W4205342163 sur OpenAlexaboutno aff
Valerii I. Bozhyk, Yan Streliuk, Vitaliy A. Maziychuk, Anatoliy O. Voightko, М. Кокошко, Anatoliy M. Kisliy

Notice bibliographique

RevueCuestiones Políticas · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUkrainian Legal and Forensic Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDigitizationLegislaturePresentation (obstetrics)Set (abstract data type)Criminal investigationField (mathematics)Key (lock)Political scienceComputer scienceTechnical standardPublic relationsEngineeringComputer securityLawTelecommunicationsMathematics

Résumé

récupéré en direct d'OpenAlex

The study consisted of identifying the existing problems in the implementation of international standards of digitization of criminal investigation at the legislative level. The research was carried out in stages as a summary, based on the logic of presentation of the material, to achieve and meet the objectives set out in the article. The method of direct observation, the method of comparison and analysis of the content of the documents, the method of systemic and pragmatic approach were used. The key results of the study were the analysis of the experience of implementing digital standards in forensic activities in the United States, Canada, Great Britain, Denmark, England, Austria, Estonia, and Ukraine. It is concluded that the problems that exist in the implementation of these standards, were identified from the criteria of evaluation of the efficiency and capacity of digital data processing by the agencies involved in the criminal investigation. In addition, the problems and difficulties faced by the authorities in implementing existing international digitization standards, indicate the need for comprehensive measures to organize criminal investigations. To overcome them, appropriate measures must be taken in the field of legislative changes.

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)0,117
score de la tête « metaresearch » (Gemma)0,179
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 enseignants0,117
Score d'incertitude au seuil0,619

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1170,179
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,007
Études des sciences et des technologies0,0060,021
Communication savante0,0200,012
Science ouverte0,0030,008
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,047
Tête enseignante GPT0,359
Écart entre enseignants0,311 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCuestiones PolíticasMême sujetUkrainian Legal and Forensic StudiesTravaux en français237 207