कोर्टरूम में खराब विज्ञान और खराब सांख्यिकी निर्दोष लोगों को दोषी ठहराते हैं

न्याय प्रणाली में प्रोत्साहन और कदाचार

• कई टिप्पणियों में कहा गया है कि मूल समस्या सिर्फ “खराब विज्ञान” नहीं, बल्कि उलटे प्रोत्साहन हैं: अभियोजकों को सज़ाओं के लिए, पुलिस को गिरफ्तारियों के लिए, जेलों को क्षमता-भराव के लिए, और एजेंसियों को राजस्व (जुर्माने, जब्ती, सैन्य उपकरण) के लिए पुरस्कृत किया जाता है।
• चुनिंदा प्रवर्तन और सामाजिक नियंत्रण में निहित ऐतिहासिक जड़ों को प्रणालीगत, न कि आकस्मिक, बताया गया है।
• अन्य लोग नोट करते हैं कि व्यवहार में अभियोजक जीतने योग्य मामलों पर ध्यान देते हैं और अक्सर मान लेते हैं कि प्रतिवादी “किसी न किसी चीज़ का दोषी” है, जिससे आरोप बढ़ जाते हैं और plea pressure बनता है।

विशेषज्ञ गवाह, फॉरेंसिक्स, और सांख्यिकी

• अति-आत्मविश्वासी या पक्षपाती विशेषज्ञों के कई उदाहरण: बैलिस्टिक्स, बाइट मार्क, ब्लड स्पैटर, बुलेट मैचिंग, शेकन बेबी सिंड्रोम, चिकित्सकीय आयु परीक्षण, और “100% निश्चित” दावे, जबकि अनुभवजन्य त्रुटि दरें मौजूद हैं।
• अभियोजन के विशेषज्ञों को निश्चितता बढ़ा-चढ़ाकर बताने और बहुत कम परिणाम भुगतने वाला विशेष रूप से बताया गया है; बचाव पक्ष के विशेषज्ञों की कहीं अधिक कड़ी जांच होती है और करियर जोखिम भी अधिक होता है।
• कुछ टिप्पणीकर्ताओं ने बहुत सक्षम फॉरेंसिक विशेषज्ञों से सामना होने की बात भी कही, जिससे गुणवत्ता में अंतर दिखता है।
• कई लोगों का कहना है कि अदालतें और वकील गिनती-समझ और सांख्यिकी में बहुत कमजोर होते हैं; दशकों की आलोचना के बावजूद खराब सांख्यिकी और प्रायिकता-तर्क बना हुआ है।

डिजिटल, वीडियो, और स्थान-संबंधी साक्ष्य

• GPS और इलेक्ट्रॉनिक मॉनिटरिंग को तकनीकी रूप से नाज़ुक बताया गया है, लेकिन फिर भी उन्हें नियमित रूप से सटीक मान लिया जाता है। उदाहरणों में बार-बार गलत उल्लंघन अलर्ट और खराब सिग्नल से हुए हाउस-अरेस्ट गिरफ्तारियाँ शामिल हैं।
• कहा गया है कि जियोलोकेशन, फोन लॉग, और नेटवर्किंग साक्ष्य को आसानी से गलत समझा जा सकता है या गढ़ा जा सकता है, और गैर-तकनीकी न्यायाधीश और जूरी इसके प्रति असुरक्षित हैं।
• वीडियो “एन्हांसमेंट” (जैसे अत्यधिक प्रोसेस किए गए स्टिल्स, AI upscaling, JPEG/MPEG artifacts) को दुरुपयोग के लिए उपजाऊ माना गया है, यदि pipeline को स्पष्ट रूप से नहीं समझाया गया हो।

गलत दोषसिद्धियाँ और ‘निर्दोषता’ की दरें

• जेल में तथ्यात्मक रूप से निर्दोष लोगों के लिए उद्धृत अनुमान लगभग 1–3% के आसपास हैं (कुछ अध्ययनों में इससे अधिक), जिससे दसियों हज़ार लोगों का संकेत मिलता है।
• एक बहुत बड़ा समूह—सैकड़ों हज़ार—कानूनी रूप से निर्दोष है लेकिन मुकदमे से पहले हिरासत में रखा गया है। क्या उन्हें “बार्स के पीछे निर्दोष” समस्या का हिस्सा गिना जाए, इस पर बहस है।

प्रत्यक्षदर्शी गवाही और संज्ञानात्मक सीमाएँ

• प्रत्यक्षदर्शी द्वारा गलत पहचान को गलत दोषसिद्धि का एक प्रमुख कारण बार-बार बताया गया है, यहाँ तक कि “आमने-सामने” अपराधों में भी।
• जूरी अक्सर प्रत्यक्षदर्शी के आत्मविश्वास को मजबूत साक्ष्य मानती है; टिप्पणीकर्ताओं का कहना है कि मानव संज्ञान सत्य से अधिक निष्कर्ष-निर्णय (closure) को प्राथमिकता देता है।

संरचनात्मक और शैक्षिक मुद्दे

• अदालतें अक्सर तकनीकी रूप से जानकार जूरी सदस्यों को बाहर कर देती हैं या जूरी को विशेषज्ञों पर निर्भर रहने का निर्देश देती हैं, जिससे सार्थक जांच कमजोर हो जाती है।
• कहा गया है कि यह पेशा गणित और विज्ञान में कमजोर लोगों को स्वयं चुनकर आकर्षित करता है, जिससे सांख्यिकी और तकनीकी साक्ष्य का दुरुपयोग बढ़ता है।
• विशेषज्ञ गवाही स्वभावतः प्रतिद्वंद्वी होती है; वैज्ञानिक वैधता का कोई अंतर्निहित तटस्थ निर्णायक नहीं होता।

सुधार के विचार और खुले प्रश्न

• प्रस्तावों में शामिल हैं: फॉरेंसिक प्रयोगशालाओं को कानून प्रवर्तन से अलग करना; ऑन-कॉल तटस्थ सांख्यिकीविद; विशेषज्ञों की कड़ी जांच और दंड; अभियोजक कदाचार के लिए बेहतर पारदर्शिता और दंड।
• कुछ लोग exclusionary rule जैसे सिद्धांतों को अधिकारों की रक्षा के लिए आवश्यक मानते हैं; अन्य इसे अपराधियों को मुक्त करने वाला और पुलिस कदाचार को काफी हद तक बिना दंडित छोड़े रहने वाला मानते हैं।
• एक बार-बार अनसुलझा प्रश्न: आपराधिक न्यायनिर्णयन में स्वीकार्य त्रुटि दर क्या होनी चाहिए, और अलग-अलग प्रकार के अपराधों के लिए कितनी निश्चितता माँगी जानी चाहिए?