|
| << vorige | volgende >> |
Tijdschrift beschrijving
Alle jaargangen van het bijbehorende tijdschrift
Alle afleveringen van het bijbehorende jaargang
Alle artikelen van de bijbehorende aflevering
Details van artikel 3 van 8 gevonden artikelen
| Titel: |
CAUSAL INFERENCE IN LEGAL DECISION MAKING: EXPLANATORY COHERENCE VS. BAYESIAN NETWORKS |
| Auteur: |
Thagard, Paul |
| Verschenen in: |
Applied artificial intelligence |
| Paginering: | Jaargang 18 (2004) nr. 3-4 pagina's 231-249 |
| Jaar: |
2004-01 |
| Inhoud: |
Reasoning by jurors concerning whether an accused person should be convicted of committing a crime is a kind of casual inference. Jurors need to decide whether the evidence in the case was caused by the accused's criminal action or by some other cause. This paper compares two computational models of casual inference: explanatory coherence and Bayesian networks. Both models can be applied to legal episodes such as the von Bulow trials. There are psychological and computational reasons for preferring the explanatory coherence account of legal inference. |
| Uitgever: |
Taylor & Francis |
| Bronbestand: |
Elektronische Wetenschappelijke Tijdschriften |
Details van artikel 3 van 8 gevonden artikelen
| << vorige | volgende >> |