Twee experts van het National Institute of Standards and Technology (NIST) zetten vraagtekens bij een methode om bewijsmateriaal in rechtszalen te presenteren. met het argument dat het het risico loopt dat persoonlijke voorkeur in de getuigenissen van deskundigen sluipt en mogelijk bewijsmateriaal voor een jury vervormt.

De methode omvat het gebruik van Likelihood Ratio (LR), een statistisch hulpmiddel dat experts een verkorte manier geeft om hun beoordeling van hoe sterk forensisch bewijsmateriaal te communiceren, zoals een vingerafdruk of DNA-monster, kan worden gekoppeld aan een verdachte. In essentie, LR stelt een forensisch expert in staat om een ​​potentieel gecompliceerde reeks omstandigheden in een getal samen te vatten - waardoor experts een pad krijgen om hun conclusies beknopt uit te drukken op basis van een logisch en coherent kader. De voorstanders van LR zeggen dat het geschikt is voor gebruik in de rechtszaal; sommigen beweren zelfs dat dit de enige geschikte methode is waarmee een deskundige bewijsmateriaal aan juryleden of advocaten moet uitleggen.

Echter, in een nieuw artikel gepubliceerd in de Journal of Research van het National Institute of Standards and Technology , statistici Steve Lund en Hari Iyer waarschuwen dat de rechtvaardiging voor het gebruik van LR in rechtszalen gebrekkig is. De rechtvaardiging is gebaseerd op een redeneerbenadering genaamd Bayesiaanse beslissingstheorie, die al lang door de wetenschappelijke gemeenschap wordt gebruikt om op logica gebaseerde verklaringen van waarschijnlijkheid te creëren. Maar Lund en Iyer beweren dat, hoewel Bayesiaans redeneren goed werkt bij persoonlijke besluitvorming, het valt uiteen in situaties waarin informatie van de ene persoon naar de andere moet worden overgebracht, zoals bij getuigenissen in de rechtszaal.

Deze bevindingen kunnen bijdragen aan de discussie tussen forensische wetenschappers over LR, die in toenemende mate wordt gebruikt in strafrechtbanken in de VS en Europa.

Terwijl de NIST-auteurs zeggen dat LR helemaal niet gebruikt zou moeten worden, ze waarschuwen dat het gebruik ervan als een one-size-fits-all methode voor het beschrijven van de bewijskracht het risico loopt dat conclusies meer worden bepaald door ongefundeerde veronderstellingen dan door feitelijke gegevens. Ze raden aan om LR alleen te gebruiken in gevallen waarin een op waarschijnlijkheid gebaseerd model gerechtvaardigd is. Het rapport van vorig jaar van de President's Council of Advisors on Science and Technology (PCAST) vermeldt enkele van deze situaties, zoals de evaluatie van hoogwaardige DNA-monsters uit één enkele bron.

"We suggereren niet dat LR nooit voor de rechtbank mag worden gebruikt, maar zijn beoogde rol als de standaard of exclusieve manier om informatie over te dragen is ongerechtvaardigd, " Lund zei. "De Bayesiaanse theorie ondersteunt niet het gebruik van de mening van een expert, zelfs als het numeriek wordt uitgedrukt, als een universele bewijskracht. Onder de verschillende manieren om informatie te presenteren, het is niet aangetoond dat LR het meest geschikt is."

Bayesiaans redeneren is een gestructureerde manier om een ​​situatie te evalueren en opnieuw te evalueren als er nieuw bewijsmateriaal naar voren komt. Als een kind dat zelden snoep eet, zegt dat hij het laatste stuk bosbessentaart niet heeft gegeten, zijn oudere zus zou het aanvankelijk onwaarschijnlijk vinden dat hij dat deed, maar als ze een blauwe vlek op zijn shirt ziet, ze zou die waarschijnlijkheid naar boven kunnen bijstellen. Door een rigoureuze versie van deze benadering toe te passen op complex forensisch bewijs, kan een expert een op logica gebaseerde numerieke LR bedenken die logisch is voor de expert als individu.

Het probleem ontstaat wanneer andere mensen, zoals juryleden, de opdracht krijgen om de LR van de expert op te nemen in hun eigen besluitvorming. Het oordeel van een deskundige omvat vaak ingewikkelde statistische technieken die verschillende LR's kunnen opleveren, afhankelijk van welke deskundige het oordeel velt. Als resultaat, Het specifieke LR-nummer van de ene expert kan aanzienlijk verschillen van dat van een andere.

"Twee mensen kunnen Bayesiaans redeneren correct gebruiken en komen met twee wezenlijk verschillende antwoorden, " zei Lund. "Welk antwoord moet je geloven, als je jurylid bent?"

In het bosbessentaart voorbeeld, stel je voor dat een jury moest vertrouwen op getuigenissen van deskundigen om de waarschijnlijkheid te bepalen dat de vlek uit een specifieke taart kwam. Twee verschillende experts kunnen volledig in overeenstemming zijn met de Bayesiaanse theorie, maar men zou kunnen getuigen, zeggen, een LR van 50 en een andere tot een LR van 500 - het verschil dat voortkomt uit hun eigen statistische benaderingen en kennisbanken. Maar als juryleden 50 zouden horen in plaats van 500, het kan ertoe leiden dat ze een andere uiteindelijke beslissing nemen.

De meningen verschillen over de geschiktheid van het gebruik van LR in de rechtszaal. Sommige van deze verschillen komen voort uit de opvatting dat juryleden in de eerste plaats een hulpmiddel nodig hebben om redelijke twijfel vast te stellen, geen bepaalde mate van zekerheid. Aan Christoffel Champod, een professor in de forensische wetenschap aan de Universiteit van Lausanne, Zwitserland, een argument over de statistische zuiverheid van LR gaat voorbij aan wat het belangrijkst is voor een jury.

"We zijn een beetje aanmatigend als getuige-deskundigen dat onze getuigenis er zoveel toe doet, Champod zei. "LR zou misschien statistisch zuiverder kunnen zijn in het grote geheel, maar het is niet de belangrijkste factor. Transparantie wel. Het gaat erom de jury te vertellen wat de basis van onze getuigenis is, waar onze gegevens vandaan komen, en waarom we het beoordelen zoals we doen."

De NIST-auteurs, echter, stellen dat om een ​​techniek breed toepasbaar te maken, het moet gebaseerd zijn op metingen die kunnen worden gerepliceerd. In dit verband, LR schiet vaak tekort, volgens de auteurs.

"Ons succes in de forensische wetenschap hangt af van ons vermogen om goed te meten. Het verwachte gebruik van LR in de rechtszaal behandelt het alsof het een universeel waarneembare hoeveelheid is, wie het ook meet, " zei Lund. "Maar het is geen gestandaardiseerde meting. Volgens zijn eigen definitie er is geen echte LR die kan worden gedeeld, en de verschillen tussen twee afzonderlijke LR's kunnen aanzienlijk zijn."

De NIST-auteurs stellen niet dat LR altijd problematisch is; het kan geschikt zijn in situaties waarin LR-beoordelingen van twee personen inconsequent zouden verschillen. Hun paper biedt een kader voor het maken van dergelijke beoordelingen, inclusief voorbeelden om ze toe te passen.

uiteindelijk, de auteurs stellen dat het belangrijk is dat experts openstaan ​​voor andere, meer geschikte, op wetenschap gebaseerde benaderingen in plaats van LR zonder onderscheid te gebruiken. Omdat deze andere methoden nog in ontwikkeling zijn, het gevaar is dat het strafrechtelijk systeem de zaak als afgedaan kan beschouwen.

"Gewoon omdat we een hulpmiddel hebben, we moeten niet aannemen dat het goed genoeg is, " zei Lund. "We moeten blijven zoeken naar de meest effectieve manier om het bewijsmateriaal aan een niet-expert publiek te communiceren."