The Quest for Regulating Crime Scene Investigation in Forensic Science: Can We Learn About Discretion and Standardization From Other Fields?
Notice bibliographique
Résumé
ABSTRACT Growing calls for better standards and quality assurance, particularly in crime scene investigations, have raised questions about the impact and suitability of these regulatory mechanisms on the forensic process. However, to date, debates on whether quality management strategies are “fit‐for‐purpose” have often overlooked how standards may influence the existing power dynamics inherent in forensic science and policing. Research in other sectors, such as public administration and policing, has nevertheless shown that frontline practitioners demonstrate a significant ability to resist standardization efforts. Police officers, teachers and physicians maintain considerable discretion in navigating and (re)interpretating standards to deal with the unique contingencies they face in the field and to respond to any perceived threat to their professional autonomy, competence, and identity. As crime scene examiners share many similarities with these other professional groups, this advanced review suggests that assessing the suitability of quality management strategies for standardizing crime scene investigation should better account for crime scene examiners' ability to negotiate, adapt, or even resist these strategies based on pre‐existing sociocultural practices. This calls for further empirical research into the actual effects—both positive and negative—that these standards have on perceptions, practices, and outcomes in forensic science.
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 | 0,079 | 0,134 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,034 |
| Communication savante | 0,014 | 0,019 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,009 |
| 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 ».