Influence du climat provincial sur l’identification de restes humains en décomposition exposés en milieu naturel dans le sud du Québec : optimisation des méthodes de restauration et prélèvement des empreintes digitales
Bibliographic record
Abstract
Les empreintes papillaires sont principalement utilisées à des fins d'identification par les forces policières, chez les individus vivants et décédés. Dans les contextes forensiques, l'étendue de la conservation/décomposition de restes peut avoir un impact sur la capacité de restaurer et prélever les empreintes papillaires, et par conséquent, sur les méthodes utilisées. L’application de ces méthodes sur le terrain (p. ex. en cas de catastrophes de masse ou fosses communes) ne peut pas compter sur les mêmes installations/ressources de laboratoire, et nécessite des adaptations pratiques. Ce travail de recherche représente la première application et comparaison dans un cadre expérimental des méthodes de restauration et prélèvement des empreintes papillaires à partir de restes humains en décomposition dans des conditions contrôlées au Québec. \n \nDeux essais ont été menés sur quatre donneurs au site de Recherche en Sciences Thanatologiques Expérimentales et Sociales (REST[ES]); un à l’été 2021 et un à l’automne/hiver 2021-2022. Au total, cinq méthodes existantes de restauration et trois méthodes de prélèvement, développées sous d'autres climats, ont été expérimentées. Les résultats ont montré que les méthodes pouvaient être adaptées pour une application sur le terrain, de manière simple, rapide et économique. Les restaurations et prélèvements après l'hiver ont été réalisées de façon moins invasive et destructrice qu'en été, où des variables incontrôlables ont limité leur application. Basé sur ces résultats, deux outils ont été développés pour soutenir la prise de décision des praticiens du Québec (Canada) lors du choix des méthodes à prioriser dans les cas réels forensiques.
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 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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.001 |
| Scholarly communication | 0.001 | 0.003 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, 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".