목격자 진술 데이터의 베이지안적 해석

김상준

추천

검색

자료유형: 학술저널

저자정보: 김상준 (서울고등법원)

저널정보: 한국심리학회 한국심리학회지:법 한국심리학회지:법 제8권 제2호

발행연도: 2017.1

수록면: 61 - 110 (50page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 목격자 진술 데이터를 해석함에 있어서 베이지안적 접근방법은 실제 수사와 재판 실상을 잘 해명해 줄 수 있다는 장점이 있음을 증명하는, 이 분야 일련의 연구논문들을 일별하여 정리하는 데 주목적이 있다. Wells & Lindsay(1980)는 이 접근방법을 취한 최초의 연구이다. 정보획득모델을 새롭게 창안하여 라인업 참가자 오지목이나 지목 불능과 같은 지목 실패 역시 용의자 범인 확률을 낮추는 진단성이 있는 정황임을 베이지안 공식으로 증명하고 있다. Wells & Turtle(1986)은 같은 정보획득모델 맥락과 분석방법론을 취하여 단일 용의자 모델과 비교할 때 총 용의자 모델에 내재한 오지목 오류의 개연성이 더 높기 때문에 단일 용의자 모델을 활용해야 함을 강조했다. Wells & Olson(2002)은 목격자 진술 심리학에서 다루고 있는 주요 시스템 변인들 중에서 순차 라인업 vs. 동시 라인업의 대비 효과 및 라인업 참가자 선정 방식 효과를 정보획득모델로 일목요연하게 해명하였다. Clark & Wells(2008) 연구는 하나의 범인을 목격한 둘 이상의 목격자가 라인업에서 한 지목반응의 효과를 진단성 지표를 가지고 분석을 시도했다. 이 연구의 시사점을 참고하여 복수의 유무죄 증거를 종합하여 최종적인 사후적 유죄확률을 산출해내는 함수식 관계를 검토한다. Wells, Yang, & Smalarz(2015) 연구는 지금까지 베이지안 접근 방식을 통한 정보획득모델을 토대로 확인된 바처럼 사전확률(기저율)은 매우 중요한 시스템 변인임을 강조하면서 기저율 효과 등가성(BREE) 곡선을 새롭게 고안하여 제시하고 있다. 아울러 라인업과 같은 시스템 변인으로 인한 오판을 방지하기 위하여 라인업 회부에 법적 전제요건으로 “합리적 의혹”이라는 새로운 기준이 필요하다는 제언을 하였다.

This study deals with a Bayesian approach in interpreting eyewitness statement data. The Bayesian approach has the advantage of being able to elucidate real world investigation and trial. The main purpose of this study is to summarize a series of research trials to prove these advantages. Wells & Lindsay(1980) are first research to take this approach. They newly invented the information gain model and this Bayesian formula proves that identification failure, such as false identification or inability to identify lineup participants also has diagnosticity which reduces suspect's probability of being a culprit. Wells & Turtle(1986) used the same information gain model context and analysis methodology, and suggest using the single-suspect model instead because the likelihood of false identification errors inherent in the all suspect model is higher when compared to the single-suspect model. Wells & Olson(2002) found that among the major system variables dealt with in eyewitness psychology, the contrasting effect of sequential lineup vs. simultaneous lineup and the effect of the lineup participant selection method were explained in the information gain model. Clark & Wells(2008) attempted to analyze the effect of identification response from two or more witnesses who witnessed an one culprit in the lineup based on diagnosticity indicator. My research integrate multiple evidences of guilty or not guilty to refer to implications of this study, and then examines the functional relationship that yields the final post-guilt probabilities. Wells, Yang, & Smalarz(2015) newly devised Base-Rate Effect-Equilvalency(BREE) curves as emphasizing that prior probability(base rate) is a very important system variable as it has been confirmed based on information gain model through Bayesian approach. In addition, it suggested that a new standard of “reasonable suspicion” is required as a legal premise for the lineup structure in order to prevent misjudgement due to system variables such as lineups.

#Eyewitness statement #Bayesian #Base rate #Information gain #BREE(Base-Rate Effect Equivalency

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김상준

소속기관 서울고등법원

주요연구분야 사회과학 > 심리과학

논문수 4 이용수 29

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)