論文の概要: Demonstrative Evidence and the Use of Algorithms in Jury Trials
- arxiv url: http://arxiv.org/abs/2311.14718v1
- Date: Sat, 18 Nov 2023 04:21:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-03 13:39:44.719688
- Title: Demonstrative Evidence and the Use of Algorithms in Jury Trials
- Title(参考訳): 陪審裁判における実証的証拠とアルゴリズムの利用
- Authors: Rachel Rogers and Susan VanderPlas
- Abstract要約: 我々は,アルゴリズムと実証的証拠の潜在的な使用が,陪審員の信頼性,信頼性,専門家証人の理解にどのように影響するかを調査し,証拠を提示する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We investigate how the potential use of algorithms and demonstrative evidence
may affect potential jurors' feelings of reliability, credibility, and
understanding of expert witnesses and presented evidence. The use of
statistical methods in forensic science is motivated by a lack of scientific
validity and error rate issues present in many forensic analysis methods. We
explore how this new method may be perceived in the courtroom - where
individuals unfamiliar with advanced statistical methods are asked to evaluate
its use in order to assess guilt. In the course of our initial study, we
discovered issues in scale compression of responses and survey format. We
visually compare participants' notes to the provided transcript by highlighting
phrase frequency based on collocations.
- Abstract(参考訳): 我々は,アルゴリズムと実証的証拠の潜在的な使用が,陪審員の信頼性,信頼性,専門家証人の理解にどのように影響するかを調査し,証拠を提示する。
法科学における統計的手法の使用は、科学的な妥当性の欠如と多くの法医学的分析手法に現れる誤り率の問題によって動機付けられている。
我々は、この新手法が法廷でどのように認識されるかを探る - 高度な統計手法に精通していない個人に対して、罪悪感を評価するために、その使用を評価するよう依頼する。
最初の研究の過程で、回答の大規模圧縮と調査フォーマットに問題があることが分かりました。
参加者の音符と提供した音符とを視覚的に比較し,コロケーションに基づくフレーズ頻度を強調した。
関連論文リスト
- AI Mirage: The Impostor Bias and the Deepfake Detection Challenge in the
Era of Artificial Illusions [6.75641797020186]
本稿では,法医学的調査やデジタル法医学的分析において生じる様々な認知バイアスについて考察する。
これは「インポスタバイアス」と呼ばれる新しい認知バイアスを導入し、法医学とデジタル法医学における生成人工知能(AI)ツールの使用に影響を与える可能性がある。
論文 参考訳(メタデータ) (2023-12-24T10:01:40Z) - A Matter of Annotation: An Empirical Study on In Situ and Self-Recall Activity Annotations from Wearable Sensors [56.554277096170246]
そこで本研究では,Wildデータに着目した4つのアノテーション手法を比較した。
本研究は,異なるラベル付け手法がアノテーションの品質に直接影響を及ぼすことを示す。
アクティビティダイアログと可視化ツールを組み合わせることで,参加者のアクティビティデータを検査し,ラベル付けすることができる。
論文 参考訳(メタデータ) (2023-05-15T16:02:56Z) - The Familiarity Hypothesis: Explaining the Behavior of Deep Open Set
Methods [86.39044549664189]
特徴ベクトルデータに対する異常検出アルゴリズムは異常を外れ値として識別するが、外れ値検出はディープラーニングではうまく機能しない。
本論文は, 新規性の有無ではなく, 慣れ親しんだ特徴の欠如を検知しているため, これらの手法が成功するというFamiliarity仮説を提案する。
本論文は,親しみやすさの検出が表現学習の必然的な結果であるかどうかを論じる。
論文 参考訳(メタデータ) (2022-03-04T18:32:58Z) - Information-Theoretic Bias Reduction via Causal View of Spurious
Correlation [71.9123886505321]
本稿では,スプリアス相関の因果的解釈による情報理論バイアス測定手法を提案する。
本稿では,バイアス正規化損失を含むアルゴリズムバイアスに対する新しいデバイアスフレームワークを提案する。
提案したバイアス測定とデバイアス法は、多様な現実シナリオで検証される。
論文 参考訳(メタデータ) (2022-01-10T01:19:31Z) - A dual benchmarking study of facial forgery and facial forensics [28.979062525272866]
近年、視覚的偽造は、人間が詐欺を特定できないような高度な水準に達している。
この危険な傾向を止めるために、豊富な視覚法医学的手法が提案されている。
本稿では,視覚的偽造と視覚的鑑識に関する詳細な知見を提供するベンチマークを提案する。
論文 参考訳(メタデータ) (2021-11-25T05:01:08Z) - Legal Judgment Prediction with Multi-Stage CaseRepresentation Learning
in the Real Court Setting [25.53133777558123]
本稿では, 実地裁判所から新たなデータセットを導入し, 法的な判断を合理的に百科事典的に予測する。
大規模な民事裁判データセットを用いた広範な実験は、提案モデルが、法的判断予測のためのクレーム、事実、議論の間の相互作用をより正確に特徴付けることができることを示している。
論文 参考訳(メタデータ) (2021-07-12T04:27:14Z) - A Statistical Test for Probabilistic Fairness [11.95891442664266]
不正な分類を検知するための統計的仮説テストを提案する。
理論的にも実証的にも,提案された試験が正しいことを示す。
さらに,提案フレームワークは,データの最も好ましい摂動を識別することにより,解釈可能性を提供する。
論文 参考訳(メタデータ) (2020-12-09T00:20:02Z) - Amnesic Probing: Behavioral Explanation with Amnesic Counterfactuals [53.484562601127195]
調査結果から行動学的結論を推測できない点を指摘する。
我々は、どの情報がエンコードされているかではなく、その情報がどのように使われているかに焦点を当てた代替手段を提供する。
論文 参考訳(メタデータ) (2020-06-01T15:00:11Z) - Fairness Evaluation in Presence of Biased Noisy Labels [84.12514975093826]
本稿では,グループ間の雑音の仮定がリスク評価モデルの予測バイアス特性に与える影響を評価するための感度分析フレームワークを提案する。
2つの実世界の刑事司法データセットに関する実験結果は、観測されたラベルの小さなバイアスでさえ、ノイズのある結果に基づく分析結果の結論に疑問を投げかけることができることを示している。
論文 参考訳(メタデータ) (2020-03-30T20:47:00Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳(メタデータ) (2020-02-05T21:35:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。