Cross-Examination Fails to Safeguard Against Feedback Effects on Eyewitness Testimony
Notice bibliographique
Résumé
The legal system relies heavily on eyewitness evidence to identify and prosecute criminal perpetrators, but wrongful convictions resulting from eyewitness misidentification have led many to conclude that eyewitness memory is unreliable. Advances in eyewitness identification research have produced a more nuanced understanding of eyewitness reliability, however. Whereas pristinely collected eyewitness identification evidence provides diagnostic information about a suspect’s guilt or innocence, numerous contaminants of eyewitness memory can undermine the reliability of eyewitness identification evidence. One such contaminant is confirming post-identification feedback—feedback given to or inferred by an eyewitness that communicates that their identification decision was correct. Confirming feedback is inevitable in real cases involving eyewitness identification and compromises the diagnostic value of eyewitness memory to such an extent that it undermines evaluators’ abilities to differentiate between accurate and mistaken eyewitnesses (Smalarz & Wells, 2014). The current research tested whether cross-examination, a fundamental legal safeguard for preventing wrongful conviction based on eyewitness misidentification, can help remedy the contaminating effects of feedback on eyewitness testimony. Evaluators (N = 128) viewed direct examination testimony or direct- and cross-examination testimony of accurate and mistaken eyewitnesses, some of whom had received confirming feedback following their identification. Although the majority of eyewitnesses admitted during cross-examination that some or all of their recollections may have been influenced by the feedback, viewing the cross-examination did not improve evaluators’ abilities to differentiate between accurate and mistaken eyewitness testimony. Cross-examination appears to be an insufficient safeguard for preventing wrongful convictions based on contaminated eyewitness evidence.
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 | 0,035 | 0,227 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».