基于叙事贝叶斯网络的法庭纤维证据活动层级评估方法研究

推荐：针对法庭纤维证据在活动层级评估中的复杂性，研究人员开发了一种简化的叙事贝叶斯网络(BN)构建方法。通过三个虚构案例场景，展示了如何将案件信息透明整合，评估数据敏感性，并促进跨学科协作。该研究为纤维证据的定量化评估提供了实用模板，推动了法庭科学从"来源"到"活动"层级的范式转变。

　　

在法庭科学领域，纤维证据因其普遍性和易转移性而具有重要价值，但其评估过程却面临巨大挑战。传统上，纤维分析主要关注"来源"层级问题（即"纤维来自哪里"），而现代法庭科学越来越需要回答"活动"层级问题（即"纤维如何到达此处"）。这种转变使得评估过程需要考虑更多变量，包括纤维的转移(transfer)、存留(persistence)、流行(prevalence)和回收(recovery)（统称TPPR）等复杂因素。

悉尼科技大学(University of Technology Sydney)法证科学中心的研究人员Victoria Lau、Xanthe Spindler和Claude Roux认识到，虽然贝叶斯网络(BN)在支持这种评估方面具有潜力，但在纤维和微痕迹领域的应用仍然有限，且多依赖复杂的数学表示。为此，他们开发了一种简化的叙事BN构建方法，旨在为从业者提供易于理解的案例特异性网络构建起点。这项研究发表在《Forensic Science International》期刊上。

研究人员采用Hugin Lite软件构建BN模型，通过三个虚构案例场景演示了网络构建过程：场景A涉及无反驳主张的情况；场景B涉及活动性质的争议；场景C涉及行为者的争议。每个场景都详细展示了从定义命题节点到最终验证网络的六个步骤，并包含了条件概率表(CPT)的赋值过程。研究特别强调了叙事元素的整合，使得网络结构更易于专家和法庭理解。

研究结果显示，在场景A中（无反驳主张），当发现大量匹配纤维时，网络计算的似然比(LR)达到901；场景B（活动性质争议）中，相同条件下LR降至46；而场景C（行为者争议）中LR进一步降至3.4。这些差异清晰地展示了不同情境下证据强度的变化。值得注意的是，背景纤维的存在显著影响LR值——当已知背景中存在匹配纤维时，场景A的LR从901降至91。

在方法学方面，该研究创新性地采用了叙事风格的BN表示方法，用描述性短语而非参数变量标记节点。这种定性表示允许包含不影响LR的附加信息节点，增强了评估过程的透明度。与传统的BN相比，这种表示方法更直观地展示了专家考虑了哪些案件信息，以及信息变化时如何影响评估。

讨论部分指出，虽然BN在证据评估中的价值日益受到认可，但在纤维检验领域的应用仍主要采用传统表示方法。这种差异与法庭科学界对跨学科、整体性案件评估方法的需求形成鲜明对比。本研究提供的模板模型有助于缩小这一差距，促进纤维证据评估与其他法庭学科（如法医生物学）的协同发展。

该研究的实际意义在于：首先，为纤维证据的活动层级评估提供了实用框架；其次，增强了评估过程的透明度和可解释性；最后，为跨学科证据整合奠定了基础。正如作者强调的，随着法庭科学从技术分析向综合解释转变，这种直观的评估工具将变得越来越重要。研究也指出了未来发展方向，包括扩展网络结构以考虑双向转移、二次转移和纤维位置等因素，以及开展更精确的实证研究来完善概率赋值。

这项研究最突出的贡献在于将复杂的数学评估转化为易于理解的叙事框架，既保持了科学严谨性，又提高了法庭沟通效率。正如《悉尼宣言》所强调的，这种透明化的推理过程对于确保法庭科学结论的可靠性和可信度至关重要。随着活动层级评估成为法庭科学的发展趋势，这种创新的建模方法有望在更广泛的微量物证领域得到应用。