MétaCan
Menu
Back to cohort
Record W142627785 · doi:10.71781/23725

Étude des facteurs associés à l’aveu lors de l’interrogatoire policier

2012· dissertation· fr· W142627785 on OpenAlexaboutno aff
Andréa Monguilod

Bibliographic record

VenueOpen MIND · 2012
Typedissertation
Languagefr
FieldPsychology
TopicSafety Warnings and Signage
Canadian institutionsnot available
Fundersnot available
KeywordsPhilosophyPhysics

Abstract

fetched live from OpenAlex

Le présent mémoire cherche à déterminer s’il existe des facteurs qui conduisent aux aveux chez les agresseurs sexuels durant un interrogatoire. Dans ce but, notre étude est basée sur 183 dossiers d’agression sexuelle traités par le Service de police de la Ville de Montréal. Les 137 participants qui ont fait une ou deux victimes (un dossier par victime) étaient âgés de 15 à 71 ans au moment du crime, et sont majoritairement francophones, caucasien et sans emploi. Toutes les variables sélectionnées ont été divisées en trois catégories : les caractéristiques de l’agresseur, les caractéristiques du crime et les caractéristiques contextuelles de l’interrogatoire. Les agresseurs sexuels qui ont avoué leur crime avaient les caractéristiques suivantes : caucasien, célibataire, n’ayant pas utilisé la menace ni causé de blessures, la victime était un garçon ou une femme adulte. Il n’y avait, contre eux, ni preuves matérielles ou biologiques, ni présence de sperme sur la victime, et il n’y a pas eu de séance d’identification. De plus, ils ont subi plusieurs interrogatoires, souvent dans un bureau privé en présence d’un seul interrogateur, qui n’est pas l’enquêteur principal, mais ils ont écrit et signé leur déclaration. Ces résultats devraient aider les policiers à cibler les facteurs les plus favorables aux aveux tout en montrant qu’il s’agit généralement d’un ensemble de facteurs qui conduisent les agresseurs sexuels aux aveux lors d’un interrogatoire.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.553
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0010.000
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0840.014

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.063
GPT teacher head0.392
Teacher spread0.329 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2012
Admission routes1
Has abstractyes

Explore more

Same venueOpen MINDSame topicSafety Warnings and SignageFrench-language works237,207