Notice bibliographique
Résumé
This special issue of Court Review focuses on media matters. One provocative question related to media is the purported impact of an iconic television show, Crime Scene Investigation (CSI), on the judicial process. In the past few years, it has been frequently suggested, especially in the media, that judges, prosecutors, defense attorneys, and jurors have become influenced by CSI. The allegation is that the “CSI-effect” has resulted in an expectation that forensic evidence is required for successful criminal prosecutions. But is there (apologies to Gertrude Stein) a there there? Three articles in the special issue examine the so-called CSI-effect. Professors Steven Smith, Veronica Stinson, and Marc Patry of Saint Mary’s University (Halifax, Nova Scotia) find evidence there is, but they wonder whether the effect is not a juror-problem but rather manifests itself in the ways that attorneys behave. Judge Donald Shelton (also an adjunct professor, Thomas Cooley Law School and Eastern Michigan University) and his colleagues, Professors Gregg Barak and Young Kim (Eastern Michigan University), have found something is going on, but suggest it is a “tech effect” rather than a specific effect of television shows such as CSI or Law and Order. Professors Cole (University of California, Irvine) and Dioso-Villa (Griffith University, Brisbane, Australia) are skeptical but provide valuable guidance for protecting the judicial system against any impacts from real or imagined effects.
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 | 0,004 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,011 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,187 | 0,138 |
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 ».