MétaCan
Menu
Retour à la cohorte
Enregistrement W7017946700

Comment les juges détectent-ils les mensonges lors de procès? Étude des mécanismes communicationnels sous-jacents aux déclarations de culpabilité pour parjure

2020· other· fr· W7017946700 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen MIND · 2020
Typeother
Languefr
DomaineSocial Sciences
ThématiqueJury Decision Making Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSelf evaluationDeterminerDecision system
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tant lors de procès en droit criminel que lors de procès en droit administratif, civil ou familial, le mensonge peut contribuer à la mise en place de trames narratives qui embrouillent les faits que les juges devraient connaitre afin d’appliquer adéquatement le droit. De plus, si les juges ne sont pas capables de distinguer le vrai du faux lors des témoignages, la confiance du public indispensable au bon fonctionnement du système de justice pourrait être compromise. Par ailleurs, même si des chercheurs s’intéressent, depuis les années 1960, à la détection du mensonge, en particulier lors d’interrogatoires policiers reproduits en laboratoires, ces expérimentations ignorent plusieurs attributs des systèmes de justice accusatoires (p. ex., les procédures judiciaires, les éléments de preuve incriminante, les déclarations assermentées, les interrogatoires, les contre-interrogatoires et les plaidoiries). Par conséquent, puisque la détection des témoignages mensongers par les juges lors de procès est rarement explorée, les juges des tribunaux municipaux, provinciaux et fédéraux sont pratiquement laissés à eux-mêmes. Dans le cadre de ma thèse, je présente un travail de type descriptif, analytique et explicatif pour observer et mieux comprendre le raisonnement ou, du moins, une partie du raisonnement par lequel des juges, en contexte naturel, en sont venus à déterminer, selon leur point de vue, que des témoins ont menti alors qu’ils témoignaient. Cette recherche vise, entre autres, à bonifier la validité écologique des expérimentations en laboratoire et à s’attaquer plus adéquatement à la problématique des mensonges lors de procès. D’une part, afin d’étudier la détection du mensonge dans le contexte concret où elle a lieu plutôt que dans le cadre d’une représentation expérimentale de cette activité, j’ai fait le choix de me tourner vers des jugements écrits de tribunaux canadiens comme données de recherche, plus spécifiquement, quatre jugements canadiens portant sur une accusation criminelle de parjure résultant d’une déclaration incriminante où les accusés ont été déclarés coupables. D’autre part, afin de décrire, analyser et expliquer de façon minutieuse et approfondie les mécanismes communicationnels sous-jacents aux déclarations de culpabilité pour parjure, j’ai fait le choix de mobiliser une approche contemporaine d’analyse du discours s’inscrivant dans les travaux de l’École de Montréal—l’approche ventriloque de la communication (Cooren, 2013)—dans la mesure où celle-ci permet d’identifier les éléments qui apparaissent comme faisant la différence dans la constitution d’un jugement. Hormis la rareté alarmante des jugements rendus à la suite de procès sur une accusation criminelle de parjure résultant d’un témoignage, les résultats de mes analyses permettent d’observer le rôle substantiel des idées reçues et l’apport considérable des précédents dans le processus décisionnel des juges lors de procès. Comme je le montre dans ma thèse, ces idées reçues peuvent exposer des croyances sur le comportement humain véhiculées ou exprimées, explicitement ou non, par les juges dans leur jugement. Quant aux précédents, ils peuvent avoir l’effet de voiler le rôle substantiel de ces mêmes idées reçues dans le processus décisionnel des juges. De plus, les résultats de mes analyses suggèrent que la détection des témoignages mensongers par les juges lors de procès dépend, entre autres, de nombreux éléments du contexte tels que mis en scène dans le raisonnement des juges et n’a pas grand-chose à voir avec le scénario expérimental typique mis en place pour étudier la détection du mensonge. Finalement, bien qu’ils n’offrent pas de « nouvelle technique » pour distinguer l’honnête justiciable du menteur, les résultats de mes analyses s’inscrivent en continuité avec d’autres travaux de recherche qui démontrent l’utilité a priori limitée des indicateurs comportementaux de mensonge et qui suggèrent que les praticiens du droit, en particulier les juges, devraient être systématiquement formés sur la nature faillible du processus décisionnel lors de procès.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,013
Communication savante0,0090,007
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,155
Tête enseignante GPT0,409
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetJury Decision Making ProcessesTravaux en français237 207