Why Wasn’t O. J. Convicted? Emotional Coherence in Legal Inference
Notice bibliographique
Résumé
In 1995, O. J. Simpson was tried for the murder of his ex-wife, Nicole Brown Simpson, and her friend, Ron Goldman, both of whom had been found with multiple knife wounds.To the surprise of many, the jury found Simpson not guilty of the crime, and many explanations have been given for the verdict, ranging from emotional bias on the part of the jury to incompetence on the part of the prosecution.Of course, there is also the possibility that, given the evidence presented to them, the jury rationally made the decision that Simpson was not guilty beyond a reasonable doubt.This paper evaluates four competing psychological explanations for why the jury reached the verdict they did:1. Explanatory coherence.The jury found O. J. Simpson not guilty because they did not find it plausible that he had committed the crime, where plausibility is determined by explanatory coherence.2. Probability theory.The jury found O. J. Simpson not guilty because they thought that it was not sufficiently probable that he had committed the crime, where probability is calculated by means of Bayes's theorem.3. Wishful thinking.The jury found O. J. Simpson not guilty because they were emotionally biased toward him and wanted to find him not guilty.4. Emotional coherence.The jury found O. J. Simpson not guilty because of an interaction between emotional bias and explanatory coherence.I will describe computational models that provide detailed simulations of juror reasoning for explanatory and emotional coherence, and argue that the latter account is the most plausible.Application to the Simpson case requires expansion of my previous theory of
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 | 0,011 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».