Examiner consistency in perceptions of fingerprint minutia rarity
Notice bibliographique
Résumé
Friction ridge examiners (FREs) identify distinctive features (minutiae) in fingerprints and consider how rare these observed minutiae are in their decisions about both the value of a fingerprint and whether there is enough correspondence between two fingerprints to support an “identification” or “exclusion” decision. But subjective perceptions about the frequency of events and features tend to be inconsistent and dynamic, which means that variable perceptions of minutia frequency may contribute to inconsistencies in FREs’ opinions about fingerprint evidence. We surveyed expert FREs at two time points ( N Time 1 = 132; N Time 2 = 99) to establish how rare FREs believe different minutia types to be and to determine the variation in examiners’ perceptions—both between different examiners and across time for the same examiner. We observed significantly less variation in FREs’ perceptions of minutia frequency for three minutiae: the two most common minutiae and the minutia perceived to be the least common. We also observed increases in FREs’ estimates of minutia frequency over time and when they reported recent sightings of the rarest minutiae. FREs reported frequently using this information in their fingerprint comparison decisions. We present practical recommendations for using these consensus-based frequency estimates (until more objective data are available) to increase consistency in FREs’ use of base rates when examining fingerprint evidence, which may consequently increase the repeatability and reproducibility of decisions made by FREs. • Most LPEs consider minutia rarity when examining friction ridge impressions. • LPEs’ estimates of minutia rarity vary, especially if perceived as moderately common. • LPEs’ estimates of minutia rarity vary over time and based on recent experience. • LPE survey results identify consensus-based estimates of minutia base rates. • Use of consensus-based estimates may improve the reliability of LPEs’ decisions.
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 | 0,029 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».