Reducing Bias in Forensic Evaluations Describing Sexualized Violence
Notice bibliographique
Résumé
Forensic examiners often provide reports for individuals seeking redress in courts or tribunals after experiencing sexualized violence. How sexualized violence is described shapes how both examiner and readers perceive the nature, severity, and impact of what occurred. An examiner’s description may, however, be influenced by unconscious bias due to (a) the behavioral similarity between sexualized violence and consenting sexual relations and (b) false societal beliefs about gender, sexuality, and rape. Such influences may shape perceptions of whether the victim was consenting or coerced, whether the perpetrator’s behavior was transgressive, violent, or premeditated, and the extent to which the victim was harmed. To reduce possible bias, we recommend that examiners routinely (a) use the words “sexualized violence” and “sexual relations” accurately, (b) report adequately complete factual information relating to the plaintiff/defendant relationship, (c) report an adequately complete and factual account of the behaviors, thoughts, and feelings of plaintiff and defendant, and (d) communicate findings and opinion using neutral, behavioral, and direct language. These recommendations should be implemented in the context of current knowledge relevant to forensic assessment of sexualized violence, including trauma-informed practices. These steps will help to ensure that forensic descriptions of sexualized violence are adequately complete, neutral, and fair.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».