MétaCan
Menu
Retour à la cohorte
Enregistrement W4406135942 · doi:10.1080/13218719.2024.2404862

Investigating deception findings in Canadian refugee status rejections: legal inferences and psychological assumptions

2025· article· en· W4406135942 sur OpenAlexafffundabout
Hilary Evans Cameron, Jane Herlihy, Michaela Hynie

Notice bibliographique

RevuePsychiatry Psychology and Law · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensYork UniversityToronto Metropolitan University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésDeceptionPsychologyRefugeeInferencePlaintiffSocial psychologySet (abstract data type)Psychological researchConsistency (knowledge bases)CognitionLyingCognitive psychologyPolitical scienceComputer scienceLawArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study uses a novel methodology that combines legal and psychological approaches to analyse a large set of Canadian refugee status rejections (n = 120). It distinguishes legal inferences from their underlying psychological assumptions and quantifies both inferences and assumptions in a set of 89 written decisions. Its findings yield new insights that inform the use of social science in the evaluation of deception findings in this field: it identifies the most important categories of legal inference that support these findings (inferences drawn from observations of ‘inconsistency’, ‘non-probative supporting evidence’ and ‘risk response’), and it is the first study to identify the most significant kinds of assumption that underlie the finding that a refugee claimant is lying. These include assumptions that have been observed in previous studies: assumptions about the consistency of truthful and deceptive accounts and about how people act when they are at risk. Perhaps most importantly, this study has identified a new and significant category of psychological assumption operating in these decisions: assumptions about the robustness of a claimant’s metacognition, their ability to understand and explain their own cognitive processes.

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)0,010
score de la tête « metaresearch » (Gemma)0,057
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,284

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,057
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0070,006
Communication savante0,0030,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,381
Écart entre enseignants0,348 · 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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePsychiatry Psychology and LawMême sujetMigration, Health and TraumaTravaux en français237 207