Bibliographic record
Abstract
La conception dominante de la criminalistique semble à l’heure actuelle globalement orientée vers les analyses en laboratoire et la présentation de preuves devant les tribunaux, laissant ainsi de côté l’investigation de la scène de crime et les techniciens en identité judiciaire. Ces derniers jouant néanmoins un rôle de premier plan dans l’exploitation des traces matérielles, leur sélection et l’appréciation de leurs aptitudes par les dirigeants policiers représentent une responsabilité managériale déterminante pour l’investigation de la scène de crime. Par l’entremise d’entretiens semi-dirigés, cet article vise à déterminer les compétences attendues des techniciens en identité judiciaire par les cadres policiers du Québec et à comprendre comment elles s’inscrivent dans leur conception de la profession. Il met entre autres en évidence l’absence d’acteurs scientifiques impliqués dans l’appréciation des compétences des techniciens en identité judiciaire et l’attention particulière accordée par les gestionnaires policiers à la conformité aux règles de procédures. Les dirigeants policiers gagneraient ainsi à concevoir davantage l’investigation de la scène de crime comme un effort scientifique et à considérer le rôle des techniciens en scène de crime dans le déploiement de l’action de sécurité afin d’optimiser leur sélection, leur appréciation et, ultimement, leur efficacité.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.006 | 0.009 |
| Scholarly communication | 0.010 | 0.003 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".