Un modèle continu, non linéaire et collaboratif de l’enquête
Bibliographic record
Abstract
L’article propose un modèle continu, non linéaire, itératif et collaboratif de l’enquête. Celui-ci décrit le processus d’enquête appliqué au traitement des problèmes criminels et sécuritaires, faisant appel à des notions clés telles que l’entropie, le raisonnement hypothético-déductif, la méthode scientifique et la pensée itérative. Le modèle se concentre sur la démarche inférentielle et intellectuelle de l’enquête plutôt que sur les aspects procéduraux, qui varient selon les pays et les juridictions ou selon les types de crime. Inspiré de théories préexistantes de l’enquête, ce modèle offre un cadre cohérent et intégratif aux différentes méthodes d’enquête qui concourent au traitement de l’information et à la compréhension des évènements et des phénomènes. Le modèle permet aux enquêteurs, au sens large, de guider leur raisonnement et leur prise de décisions, ainsi que de situer leurs contributions tout au long du processus d’enquête. Il facilite ainsi la collaboration entre tous les acteurs, à commencer par les inspecteurs, les analystes criminels, les investigateurs numériques et les criminalistes, pour atteindre leurs objectifs communs au service de la justice, de la sécurité et de la société. À l’appui d’exemples issus de notre pratique, nous traçons ici le cheminement intellectuel qui amène à poser ce modèle progressif et collaboratif. Cette vision, qui place les intersections en son centre, ébranle les barrières classiques érigées dans les théories et la pratique. Nous décrivons les enjeux, les avantages et les limites de ce modèle.
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 | 0.007 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.004 | 0.008 |
| Scholarly communication | 0.010 | 0.012 |
| Open science | 0.004 | 0.006 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.019 | 0.004 |
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".