Intelligence-Led Mass Screenings for Detection of Perpetrators. Legal Issues and Public Acceptance
Notice bibliographique
Résumé
Intelligence-led mass screening (ILMS, mass screening, canvas, dragnet) is one of solutions for detection of perpetrators. ILMS is based on collection and analysis of reference materials from large group of people with similar features as perpetrator. Practice from many countries suggests that this procedure can be effective. Nevertheless mass tests are focused mainly on third parties (non-offenders) and it is controversial from the point of view of privacy protection and some crucial civil liberties and rules of criminal proceeding. The aim of the research was to check a level of social permission for mass screenings and to set the optimal procedure from legal point of view. The first part of research was focused on level of social permission for mass screenings. 800 persons in Poland were surveyed within the study – 385 persons from general public and 415 law students. About 75% of general public and 65% of law students admitted that they will give a consent for taking reference material if they were asked for it (responses in surveyed groups were statistically different; p < 0.01), which means that ILMS is generally accepted by the most of society. Comparative legal research about application of ILMS in criminal proceedings for selected European countries and common law countries was the second part of study. It was revealed that mass screenings in many countries are voluntary (Germany, Netherlands) or are under the suspect sampling regime (USA, England & Wales, New Zealand, Canada). Only in some countries massive collection of reference materials can be compulsory according to provisions of criminal procedure (Austria, Serbia, Italy, Poland, Sweden, Finland).
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».