The role of defendant race, expert testimony and interrogation coerciveness on Canadian mock jurors' perceptions of recanted confessions
Notice bibliographique
Résumé
Abstract Purpose In some contexts, US‐based White jurors appear to exhibit a heightened focus on legally relevant information when the defendant is Black as compared to White. The current study tested this ‘watchdog’ effect in the Canadian context by examining mock jurors' decisions using a trial involving a recanted confession with an Indigenous or a White defendant. We also aimed to enhance our understanding of whether expert testimony sensitizes jurors to issues surrounding confessions, or if such testimony engenders a general scepticism towards this form of evidence. Methods White Canadian jury‐eligible community members ( N = 762) read a trial transcript in which we manipulated interrogation coerciveness (high/low), expert testimony (present/absent) and defendant race (Indigenous/White), and then rendered a verdict and responded to a questionnaire about the trial. Results Mock jurors were significantly less likely to convict the defendant in the high as compared to low coercion conditions. Expert testimony had no significant effects on verdict or perceptions of the confession. Participants seemed more sceptical of the Indigenous defendant's confession, perceiving it to be less truthful (only in high‐coercion conditions, providing the only evidence of the ‘watchdog’ effect in this study), voluntary and honest than that of the White defendant. However, defendant race had no effect on the verdict. Conclusions Participants were sensitive to differences between high and low coercions without the assistance of expert testimony. Furthermore, our results concerning the Indigenous defendant suggest participants' verdicts were influenced by factors beyond their perceptions of the confession evidence.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».