On the Continuum of Foundational Validity: Lessons from Eyewitness Science for Latent Fingerprint Examination
Notice bibliographique
Résumé
Whether forensic disciplines have established foundational validity-sufficient empirical evidence that a method reliably produces a predictable level of performance-has become a question of growing interest among scientists and legal professionals. This paper evaluates the foundational validity of two sources of forensic evidence relied upon in criminal cases: eyewitness identification decisions and latent fingerprint examiners' conclusions. Importantly, establishing foundational validity and estimating accuracy are conceptually and functionally different. Though eyewitnesses can often be mistaken, identification procedures recommended by researchers are grounded in decades of programmatic research that justifies the use of methods that improve the reliability of eyewitness decisions. In contrast, latent print research suggests that expert examiners can be very accurate, but foundational validity in this field is limited by an overreliance on a handful of black-box studies, the dismissal of smaller-scale, yet high-quality, research, and a tendency to treat foundational validity as a fixed destination rather than a continuum. Critically, the lack of a standardized method means that any estimates of examiner performance are not tied to any specific approach to latent print examination. Despite promising early work, until the field adopts and tests well-defined procedures, foundational validity in latent print examination will remain a goal still to be achieved.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».