Wrongful convictions in Spain: Systematic analysis of judgments from 1996 to 2022
Notice bibliographique
Résumé
A comprehensive analysis of wrongful convictions in Spain was conducted. Out of 447 Supreme Court judgments made between 1996 and 2022, 243 cases involving a successful appeal made by a person claiming their innocence were examined in terms of the characteristics of wrongfully convicted individuals, the crime types, and the factors contributing to these judicial errors. An average rate of nine wrongful convictions per year was found, mostly for crimes against public safety and property, with a significant overrepresentation of foreign citizens. Legal professionals' misconduct was identified as the main factor contributing to these wrongful convictions. The mean time between the judgment and the conviction being overturned was around 4.5 years. More than half of the cases were reopened due to evidence indicating that the alleged crime never occurred. While new evidence was the primary reason for reopening cases, only 3 % were reopened based on DNA evidence. The systematic methodology used in this research may serve as a model for future studies on wrongful convictions in other countries. To reduce wrongful convictions in Spain, several key measures must be implemented. Legal representation should be mandatory for all individuals accused of crimes, without exception. Legal professionals must receive enhanced training to minimize judicial errors. Furthermore, stricter forensic protocols should be established, and forensic experts must be properly accredited to prevent the misapplication of scientific evidence in legal proceedings. Additionally, reforms are needed to ensure that plea bargains are subject to more rigorous scrutiny, and that minor crimes are properly investigated.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».