MétaCan
Menu
Retour à la cohorte
Enregistrement W7133044954

The challenge for cause: does it reduce bias in the jury system?

2004· dissertation· W7133044954 sur OpenAlexaboutno aff
Dax Urbszat

Notice bibliographique

RevueTSpace · 2004
Typedissertation
Langue
DomaineSocial Sciences
ThématiqueJury Decision Making Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJuryJury selectionHung juryTest (biology)Economic JusticePrejudice (legal term)CausationJury instructions
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This dissertation was undertaken in an effort to determine the efficacy of the current legal system procedures designed to remedy the presence of bias, and specifically racial prejudice, in our jury selection process. These procedures known as the challenge for cause were systematically examined over the course of three studies. The first study conducted in this series was done in the laboratory and showed evidence that the challenge for cause is ineffective in identifying and rejecting biased jurors. The second study was an observational study conducted at the Toronto Superior Court of Justice in which the challenge for cause procedures were examined in their actual practice. During the course of this study a naturalistic variable presented itself for consideration. Specifically, it was observed that during the challenge for cause process the jury pool was either allowed to remain in court for the entire procedure or the jury pool remained outside the court and were called in one by one to be asked the challenge for cause question. The results of this study suggest that when the jury pool remains inside the court, jury pool members are less likely to admit to being prejudiced, and there are less overall rejections. The third study, also conducted in the laboratory, was done to test this naturalistic variable and revealed evidence that the presence or absence of the jury pool during the challenge for cause is an influential variable on the admission of prejudice and the rejection of potential jurors.

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)0,060
score de la tête « metaresearch » (Gemma)0,282
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,315

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0600,282
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,005
Communication savante0,0040,004
Science ouverte0,0020,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,120
Tête enseignante GPT0,463
Écart entre enseignants0,343 · 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'étudeObservationnel
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
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetJury Decision Making ProcessesTravaux en français237 207