The effect of victim race on jurors’ perceptions of lethal use of force
Notice bibliographique
Résumé
In recent years, a number of highly-publicized lethal police use of force (UoF) encounters have occurred in both Canada and the United States, sparking several social movements and causing public debate about officer accountability.The primary aim of this project is to increase our understanding of jurors' legal decision-making in trials involving police UoF by exploring what jurors discuss during deliberations in simulated trials and evaluating whether the race of the victim affects individual verdicts and deliberation content.Canadian jury eligible participants (N = 78) watched and listened to a fictional trial involving a police officer charged with manslaughter.The victim's race was manipulated to be either White or Indigenous.After rendering individual pre-deliberation verdicts, participants took part in a 60-minute deliberation session, then rendered individual post-deliberation verdicts.Study 1a investigated the relationship between victim race, jurors' perceived police legitimacy, and individual verdict decisions.Although victim race did not have a statistically significant effect on pre-deliberation verdicts, the odds of jurors rendering a guilty post-deliberation verdict was more than 16 times higher when the victim was White as opposed to Indigenous.Study 1b investigated how victim race and police legitimacy relate to the deliberation content of the juries.Analyses indicated that both of these variables play a significant role in jury deliberations.Specifically, jurors were significantly more likely to provide "anti-defendant" and "pro-prosecution" utterances when the victim was White, as compared to Indigenous.Additionally, jurors with negative perceptions of police were significantly more likely to utter "anti-defendant" statements.Overall, this study suggests that, contrary to the assumption of the Canadian legal system, victim race influences legal decision-making in trials involving officer UoF.
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 | 0,014 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».