L’influence des présuppositions sur les témoignages sollicités par questions
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Selon Loftus (1975), présupposer une information nouvelle auprès du témoin d’un événement pourrait influencer les témoignages subséquents de ce témoin. La présente étude tente de reproduire ces résultats dans une autre langue (le français) afin d’en apprendre davantage à propos des caractéristiques linguistiques favorisant ou défavorisant la désinformation. Nos soixante participant(e)s ont regardé une vidéo puis ont répondu à un questionnaire dans lequel était présupposée (a) une information vraie (b) une information fausse ou (c) aucune information. La semaine suivante, tous les participant(e)s ont reçu un second questionnaire qui ciblait l’information critique puis ont passé un test de mémoire de travail. Notre analyse (par régressions logistiques binomiales) est centrée sur la proportion de faux rapports selon la condition. Nos données montrent un effet significatif (p < 0,01) d’une présupposition vraie qui réduit le taux de faux rapports, ainsi qu’un effet non significatif (p = 0,09) des présuppositions fausses. Nous concluons que des questions posées après un événement peuvent influencer le rapport qu’en fera le témoin, mais que la supposition que cet effet serait universel ne rend pas compte des différences possibles selon la langue et la culture des participant(e)s. Finalement, nous discutons les implications de ces résultats pour les techniques d’interrogatoire actuelles à travers la francophonie qui pourraient menacer l’intégrité des témoignages judiciaires.
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.
Full frame distilled prediction
Teacher imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.008 | 0.004 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it