MétaCan
Menu
Retour à la cohorte
Enregistrement W4388143396 · doi:10.3138/utlj-2023-0057

Lessons from the American Innocence Projects

2023· article· en· W4388143396 sur OpenAlexaffvenue
Kent Roach

Notice bibliographique

RevueUniversity of Toronto Law Journal · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInnocenceConvictionRedressCriminal justiceInjusticeLawLegalism (Western philosophy)CulpabilityContext (archaeology)Political scienceScholarshipEconomic JusticeSociologyCriminologyNarrativeImprisonmentHistoryPhilosophyPolitics

Résumé

récupéré en direct d'OpenAlex

This review essay examines recent trends in American wrongful conviction scholarship. Despite calls for a ‘criminology’ of wrongful conviction, narrative about actual cases remains important. The two books reviewed explore the ambiguities and challenges of innocence work by examining cases where the authors represented wrongfully convicted persons without DNA evidence. The books both critique restrictions on post-conviction relief in the American Federal Courts. These restrictions are assessed as examples of American ‘extra-legalism’ where a very complex legal system frequently produces unjust results and fails to provide redress and accountability for injustice. The role of equality and non-discrimination norms in wrongful convictions discourse are also assessed. Valena Beety’s call for a substantive and social justice approach focused on ‘manifest justice’ and fundamental reforms to the American criminal justice system is compared to Daniel Medwed’s more narrow focus on factual innocence. It is argued that Beety’s more ambitious approach is normatively superior and more easily applied outside the distinct context of American mass imprisonment and extra-legalism.

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)0,006
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0080,012
Communication savante0,0120,010
Science ouverte0,0010,005
Intégrité de la recherche0,0040,009
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,304
Écart entre enseignants0,268 · 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'étudeQualitatif
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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Toronto Law JournalMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207