Cani da cadavere: “dispositivo biologico specializzato” nell’individuazione di tracce ematiche latenti sulla scena del crimine. Da mito a prova scientifica.
Notice bibliographique
Résumé
Aim. The canis lupus familiaris, due to his \nparticular olfactory characteristics, is used \nby the police to detect a wide range of substances \n(explosives, gunpowder, narcotics, \netc.). Trained dogs to the discovery and reporting \nhuman remains or not visible cadaveric \nblood, can be of great help. This study \nset out to investigate and validate with scientific \nmethod, a training protocol of dogs \nspecialized for research, tracking and reporting \nof cadaveric latent blood traces of blood. \nMethods. We used two Labrador Retriever. \nThe study was conducted for sixteen months, \nwith about 200 hours of simulation and 6240 \nsurveys, within a room suitably equipped. \nWe used blood of four patients who died due \nto trauma, collected in sterile and VOCs free \ntubes. The first phase of the training focused \non the ability of the two dogs to hold the \nsmell target and signal their presence at concentrations \nalways decreasing. In the second \nphase confounding factors were introduced. \nResults. The study found the real effectiveness \nof dogs trained to identify human cadaveric \nblood in very low concentrations. Tests \nconducted have shown a good ability to discriminate \nhuman cadaveric blood in combination \nwith confounding factors in high concentrations \n(olfactory accuracy). Conclusion. The use of dogs in this area necessarily \nrequires standardization of training procedures in order to achieve “certified” for \nthis specialized biological device the same \nrigorous level of reliability and reproducibility \nrequired for all methods of investigation in \nthe forensic field, through an optimized and \ntightly controlled training, through the evaluation \nof olfactory sensitivity, the ability of olfactory \ndiscrimination and olfactory accuracy.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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 ».