将目击者陈述的人类评估与机器学习分类器进行比较,在原始和次优线路管理程序下进行分类

科学领域:

• 认知心理学 认知心理学
• 机器学习是机器学习.
• 法医科学 法医科学 法医科学

背景情况:

• 机器学习分类器可以区分准确和不准确的识别记忆决策.
• 人们越来越感兴趣将这些分类器应用于现实世界中,例如目击者的信心陈述.

研究的目的:

• 在应用环境中调查口头机器学习分类器的局限性.
• 为了比较口头分类器与人类评估器在评估目击者的准确性方面的表现.
• 检查确认反和排队信息对分类器和人类表现的影响.

主要方法:

• 实验1:评估确认反对识别准确度和口头分类器分数之间的关系的影响.
• 实验2:将口头分类器得分的区分值与评估相同口头信心陈述的人类评估者进行了比较.
• 操纵反条件 (没有与确认) 和向人类评估人员提供的信息 (仅提供信任声明与声明+阵容详细信息).

主要成果:

• 确认反削弱了识别准确性和分类器分数之间的联系,类似于数值信心判断.
• 在没有反的情况下,人类评估者表现优于分类器.
• 当有确认反时,分类器与人类评估者的表现相匹配或超过.
• 向人类评估人员提供排队信息损害了他们区分正确和填充物识别的能力.

结论:

• 当上下文因素,如阵容存在,阻碍人类判断时,口头分类器可能更有用.
• 将目击者陈述转化为分类器分数并不能解决因错误排队程序而产生的问题.
• 语言分类器的实用性取决于上下文,并不能普遍取代谨慎的排队管理.