(www.interscience.wiley.com) DOI: 10.1002/acp.1130 When Emotions Get the Better of Us: The Effect of Contextual Top-down Processing on Matching Fingerprints
Notice bibliographique
Résumé
Twenty-seven participants made a total of 2,484 judgments whether a pair of fingerprints matched or not. A quarter of the trials acted as a control condition. The rest of the trials included top-down influences aimed at biasing the participants to find a match. These manipulations included emotional background stories of crimes and explicitly disturbing photographs from crime scenes, as well as subliminal messages. The data revealed that participants were affected by the top-down manipulations and as a result were more likely to make match judgments. However, the increased likelihood of making match judgments was limited to ambiguous fingerprints. The top-down manipulations were not able to contradict clear non-matching fingerprints. Hence, such contextual information actively biases the ways gaps are filled, but was not sufficient to override clear bottom-up information. Copyright # 2005 John Wiley & Sons, Ltd. The need to identify people accurately is widespread and is on a sharp rise. With advances in science and technology a variety of tools are now available for identifying people. Nevertheless, fingerprints continue to be the major method used for identification in forensic and other domains (Alam, Akhteruzzaman, & Cherri, 2004). Fingerprints are quite easy to find, collect, and process; and they are also relatively non-intrusive and cost
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,717 | 0,653 |
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 ».