Leesstof Criminalistiek en bewijswaardering
Criminalistiek Reader
Historie
1. Inman, K., Rudin, R. (2002) ‘Forensic Science Timeline’
Bewijs evaluatie
2. Association of Forensic Science Providers (2009) ‘Standards for the formulation of evaluative forensic science
expert opinion’, Science & Justice 49, 161-164.
3. Berger, C.E.H. (2010) ‘Criminalistiek is terugredeneren, Logisch correct redeneren in forensische rapportages ...en
in de rechtszaal’, Nederlands Juristenblad, 784-789.
4. Berger, C.E.H., Aben, D.J.C. (2010) ‘Bewijs en overtuiging: Rationeel redeneren sinds Aristoteles’, Expertise en
Recht, 52-56.
5. Evett, I.W. (1998) ‘Towards a uniform framework for reporting opinions in forensic science casework’, Science &
Justice 38, 198-202.
6. Saks, M.J., Koehler, J.J. (2005) ‘The Coming Paradigm Shift in Forensic Identification Science’ Science 309, 892-895.
Zaak gerelateerd
7. Berger, C.E.H., Buckleton, J.S., Champod, C., Evett, I.W., Jackson, G. (2011) ‘Evidence evaluation: A response to the
court of appeal judgment in R v T’, Science & Justice 51, 43-49.
Kritiek
8. Faigman, D.L. (2002) ‘Is science different for lawyers?’, Science 297, 339-340.
9. Houck, M.M. (2006) ‘CSI: Reality’, Scientific American, 67-71.
10. Kennedy, D. (2003) ‘Forensic Science: Oxymoron?’, Science 302, 1625.
11. Schweitzer, N.J., Saks, M.J. (2007) ‘The CSI Effect: Popular Fiction about Forensic Science Affects the Public’s
Expectations about Real Forensic Science’, Jurimetrics J. 47, 357-364.
Contextuele bias
12. Dror, I., Charlton, D. (2006) ‘Why experts make errors’, Journal of Forensic Identification 56, 600-616. 13. Dror, I.,
Charlton, D., Peron, A.E. (2006) ‘Contextual information renders experts vulnerable to making erroneous
identifications’ Forensic Science International 156, 74-78.
14. Stoel, R., Berger, C.E.H., Kerkhoff, W., Mattijssen, E., Dror, I. “Minimizing contextual bias in forensic casework”, in
Hickman, M. (ed) Forensic Science and the Administration of Justice, 2013, SAGE Publications, 67-86.
BLOK 1
Hoofdstuk 1: Introduction
Forensisch wetenschappelijk bewijs kan helpen om het volgende vast te stellen:
- dat een persoon op een gegeven moment op een bepaalde plaats was
- dat een persoon een bepaalde activiteit heeft uitgevoerd, zoals het ondertekenen van een cheque of het breken van
een raam
- dat er iets is gedaan met een bepaald instrument, bijvoorbeeld dat er een deur is geforceerd met een bepaald stuk
gereedschap, dat er een schot is afgevuurd met een bepaald wapen, of dat er een telefoontje is gepleegd vanaf een
bepaalde telefoon
- dat iets was gedaan bij een bepaald instrument en de relatie tussen twee mensen
Traditioneel gezien zijn er verschillende ideeën voorgesteld als principes voor de forensische wetenschap. Dit zijn er
traditioneel gezien drie:
1. Locard’s principle: Een dader laat sporen achter op de plaats delict of draagt sporen van de plaats delict met zich
1
,mee. ‘every contact leaves a trace’, maar Locard heeft dit nooit echt beweerd.
- Locard stelde voor dat we altijd moeten overwegen of er sporen van het slachtoffer of de plaats delict op de
verdachte te vinden zijn en of er sporen van de verdachte op de plaats delict of het slachtoffer te vinden zijn. Na
een aanval kunnen we bv huid en bloed vinden onder de vingernagels van een overledene en daaruit afleiden dat
deze van de aanvaller afkomstig zijn. We kunnen een verdachte arresteren op basis van ander bewijsmateriaal en op
hem of zijn kleding vezels aantreffen die afkomstig kunnen zijn van de kleding van de overledene, bloed dat
afkomstig kan zijn van de overledene of grond en plantmateriaal dat afkomstig kan zijn van het toneel.
2. Principle of individuality: Twee objecten kunnen van elkaar te onderscheiden zijn, maar geen objecten zijn
identiek.
- De vraag is of de twee sporen dezelfde bron hebben en hoeveel onze observatie helpt om de vraag te
beantwoorden. Karl Propper veronderstelde dat een wet die als wetenschappelijk kan worden beschouwd, deze
mogelijk falsifieerbaar moet zijn, dat wil zeggen: het moet mogelijk zijn, althans in theorie, om een experiment te
ontwerpen dat de theorie zou kunnen weerleggen. We beschrijven deze twee uitspraken als voorgestelde principes
in plaats van wetten omdat ze niet voldoen aan de standaarddefinitie van een wet van de wetenschap. Het
voorgestelde principe dat geen twee objecten identiek zijn, vereist geen bewijs, aangezien twee objecten die in
alle opzichten identiek zouden zijn - per definitie - één object zouden zijn. Helaas volgt niet uit de uniekheid van elk
object dat we de unieke bron ervan correct kunnen aanwijzen.
3. Individualization principle: Als er genoeg overeenkomsten gezien worden tussen twee objecten om
toevalligheden uit te sluiten, dan moeten deze objecten van dezelfde bron komen.
- De mogelijkheid van toeval kan nooit helemaal worden uitgesloten, er is namelijk geen algemeen criterium mogelijk
om het aantal toevalligheden te beslissen die nodig zijn om toevalligheden uit te sluiten.
- Wanneer twee items gemeenschappelijke kenmerken hebben van een dergelijk aantal, dezelfde significantie om
hun gelijktijdige toeval uit te sluiten en er geen onverklaarbare verschillen zijn, dan kan worden geconcludeerd dat ze
hetzelfde, of uit dezelfde bron komen. We zoeken naar unieke kenmerken in de items die worden onderzocht. Als
we een voldoende aantal kenmerken vinden om de mogelijkheid of waarschijnlijkheid dat ze toevallig door twee
verschillende objecten zijn opgetreden te voorkomen, kunnen we een conclusie van individualisering trekken.
Problemen zogenaamde individualisatie principe: De mogelijkheid van toeval kan nooit volledig worden
uitgesloten, wat categorische uitspraken over individualisering uitsluit. Er is geen algemeen criterium mogelijk voor
het aantal toevalligheden dat nodig is om tot een individualisering te komen; welk niveau ook wordt gekozen, het is
puur willekeurig. Hoe zeker we zouden willen zijn van een beslissing zou afhangen van de ernst van de betrokken
misdaad (bijvoorbeeld moord versus winkeldiefstal). Hoe zeker we kunnen zijn, hangt ook af van ander
bewijsmateriaal en informatie in de zaak. Het is duidelijk dat dergelijke kwesties en beslissingen niet de zaak zijn van
de forensische wetenschapper, maar eerder van de feitenrechter. De rol van de forensisch wetenschapper is niet om
over de kwestie te beslissen, maar om te beschrijven wat het bewijsmateriaal waard is. Dit ‘principe’ mag daarom
niet worden gebruikt.
Bertillon was welbekend door zijn het systeem van antropometrie, die bekend kwam te staan als Bertillonage = het
meten van mensen.
- Het vereiste het nemen van een foto en het opnemen van een reeks metingen van botkenmerken waarvan bekend
was dat deze niet zouden veranderen na de adolescentie. De basis van dit systeem was dat het onwaarschijnlijk zou
zijn dat twee mensen dezelfde afmetingen zouden hebben over een hele reeks van kenmerken. Deze methoden was
langzaam, duur en was zeker niet foutloos (het was namelijk onmogelijk dat verschillende mensen dezelfde metingen
zouden doen bij verdachten).
- Het doel van het systeem was om te bepalen of een persoon dan al niet dezelfde afmetingen zouden hebben als de
persoon die eerder was gearresteerd. Het was bij deze methoden niet mogelijk om bewijs te leveren dat iemand op
een plaat delict was. Vingerafdrukken verving deze methoden dan ook al snel. Deze methoden was dan ook sneller
en gemakkelijker voor identificatie dan antropometrie. Bij deze methoden was het namelijk wel mogelijk om bewijs
te leveren dat iemand op de plaats delict was.
2
,Poincaré had drie belangrijke punten van bezwaar op Bertillon’s bewijskracht:
1. Bertillon zat fout omdat hij met zijn methode enkel de waarschijnlijkheid had aangetoond van de kans om de vier
overeenkomsten tussen vier onderzochte kenmerken te verkrijgen. Er waren veel meer kenmerken onderzocht, dus
de kans op het vinden van vier overeenkomsten is in werkelijkheid groter dan Bertillon aantoonde.
2. De gebeurtenissen die daadwerkelijk hebben plaatsgevonden, kunnen op voorhand als zeer onwaarschijnlijk
worden beschouwd.
3. Inverse probability problem: het verschil tussen het vooraf berekenen van de kans op een gebeurtenis, en het
achteraf berekenen (na het evenement) wat de meest waarschijnlijke oorzaak van een gebeurtenis is.
Het punt dat Poincaré maakt is een belangrijk punt van kritiek op de forensische wetenschap. Rechtbanken houden
zich niet bezig met de waarschijnlijkheid dat enige observatie zou plaatsvinden. Ze maken zich zorgen over wat kan
worden afgeleid uit het feit dat de waarneming is gedaan. De vraag voor de rechtbank is dan welke gevolgtrekkingen
kunnen worden gemaakt met betrekking tot de schuld van de beschuldigde.
Poincaré vervolgde dat enkelvoudige bewijsstukken ons in staat stellen om onze inschatting van de probability van
een gebeurtenis te veranderen, maar zij kunnen de probability van een gebeurtenis op zichzelf niet bepalen.
Om vanuit een waargenomen gebeurtenis de kans op een oorzaak te kunnen berekenen, hebben we verschillende
gegevens nodig:
1. We moeten weten wat voorafgaand aan de gebeurtenis gebeurde, de waarschijnlijkheid van deze oorzaak.
2. We moeten voor elke mogelijke oorzaak weten wat de waarschijnlijkheid van de waargenomen gebeurtenis is.
Vereisten voor forensisch wetenschappelijk bewijs
Foto's worden nog steeds gebruikt om criminelen te helpen identificeren en worden vastgelegd met de details van
hun veroordelingen. Ze hebben een aantal voordelen: ze kunnen gemakkelijk worden overgedragen en
gereproduceerd en kunnen mensen op afstand herkennen.
De beperkingen van Bertillonage laten ons nadenken over de kenmerken van een ideaal wetenschappelijk systeem
voor het identificeren van mensen. Deze omvatten:
1. De gebruikte functies moeten zeer variabel zijn tussen individuen.
2. De gebruikte functies veranderen niet over tijd.
3. Dat deze functies ondubbelzinnig zijn, zodat twee deskundigen dezelfde functie op dezelfde manier beschrijven.
4. Dat deze functies kunnen worden overgebracht naar sporen op een plaats delict.
5. Dat het redelijk eenvoudig en goedkoop is om mee te werken.
Het is onvermijdelijk dat maar weinig systemen aan al deze eisen zullen voldoen en er kan met name een
afweging bestaan tussen de laatste eis en de andere. Elk van de systemen die we later onderzoeken, zal aan een
aantal van deze vereisten voldoen, maar niet aan alle.
Als een verdachte is geïdentificeerd en de waargenomen kenmerken van deze bekende persoon bijvoorbeeld
vergelijkbaar zijn met die van de sporen van de plaats delict, moeten we evalueren wat die waargenomen
overeenkomsten waard zijn. Als de verdachte niets te maken had met de misdaad, wat zou dan de kans zijn om die
overeenkomsten te vinden? Die kans kan worden beoordeeld met behulp van databases met kenmerken die
representatief zijn voor sommige populaties.
Er mag niet worden verwacht dat er zekerheid wordt geboden. Dit maakt bewijs niet onbetrouwbaar of niet-
ontvankelijk. Advocaten negeren vaak bewijs dat niet op zekerheid duidt, maar daarmee verliezen ze relevant en
belastend bewijs.
Poincaré vertelde ons niet dat we dergelijk bewijsmateriaal simpelweg moesten weggooien, maar dat we de
waarschijnlijkheid van de waargenomen effecten voor de mogelijke oorzaken moesten beoordelen.
3
, Betrouwbaarheid
- In plaats van rigoureus over deze problemen na te denken, is het rechtssysteem geneigd vragen te stellen als ‘hoe
betrouwbaar is dit bewijsmateriaal?’. Deze vraag is moeilijk te beantwoorden omdat ‘betrouwbaar’ geen vaste
betekenis lijkt te hebben.
BLOK 2
Hoofdstuk 2: Interpreting scientific evidence
Deskundig wetenschappelijk bewijsmateriaal = dat de forensisch wetenschapper een opmerking maakt over een
bepaald aspect van de zaak en op basis van kennis en ervaringen uit het verleden conclusies aan de rechtszaak
rapporteert. Het zijn de gemaakte waarnemingen die het bewijs vormen en niet het onderzochte materiaal. De
taak van de expert is om te zien welke gevolgtrekkingen wel en niet rechtmatig uit dergelijke observaties kunnen
worden getrokken.
De eerste vereiste van enig bewijsmateriaal dat voor de rechter wordt aangeboden, is dat het relevant moet zijn. Om
in aanmerking te komen als bewijsmateriaal, moet die het potentieel hebben om een beslissing rationeel te
beïnvloeden. Als het bewijsstuk dit niet kan, dan is het waardeloos. Als bewijsmateriaal er niet toe leidt dat we onze
probability voor de hypothese veranderen, dan zouden we het normaal gesproken niet beschrijven als
bewijsmateriaal voor of tegen. Goed bewijsmateriaal is bewijs dat een substantieel effect heeft op de probability.
Stel dat een blinde persoon moest bepalen of het bewolkt was. Regen is geen ideaal bewijs omdat afwezigheid van
regen niet betekent dat er geen wolk is. Als het regent, kunnen we zeker zijn dat er wolken zijn, maar er kunnen ook
wolken zijn als het niet regent
Ideaal bewijs is iets dat alleen optreedt/verschijnt tijdens de gebeurtenis waarvan we aan willen tonen dat die waar
is, en nooit optreedt/verschijnt tijdens de gebeurtenis waarvan we willen aantonen dat die niet waar is. Dit bewijs is
echter onmogelijk om te vinden. In de praktijk komt het erop neer dat goed bewijs iets is dat met grotere
waarschijnlijkheid voorkomt tijdens de gebeurtenis waarvan we willen aantonen dat die waar is, dan tijdens de
gebeurtenis waarvan we willen aantonen dat die niet waar is.
De bewijswaarde van elk bewijs (probative value) kan op dezelfde manier worden beoordeeld. Een wetenschappelijk
testresultaat is een goed bewijs voor een bepaalde hypothese als het veel waarschijnlijker is dan dat de hypothese
waar is, dan wanneer de hypothese niet waar is. We zullen dit alleen weten als we het resultaat van de test zowel bij
een aantal gelegenheden hebben gezien als de hypothese waar is, maar ook als de ontkenning van de hypothese
waar is. Zelfs wanneer we de waarschijnlijkheid van het resultaat onder beide hypotheses hebben geëvalueerd,
weten we alleen nog de sterkte van het bewijsmateriaal ten gunste van een hypothese en niet de waarschijnlijkheid
dat de hypothese waar is.
Probability = een rationele maat voor iemands mate van geloof in de waarheid van een propositie gebaseerd op
informatie. Een hypothese, propositie of premisse is ofwel waar of vals. Alle probabilities hangen af van de
assumpties en informatie gebruikt bij het toewijzen. De informatie die we gebruiken wordt ook wel de conditie of
omstandigheid van de probability genoemd. Alle probabilities zijn afhankelijk van het gebruikte (conditionele) bewijs
en de achtergrondkennis.
Probabilities nemen waarden in tussen de 0 en 1. Een probability van 0 betekent dat de hypothese niet waar kan
zijn en is het zeker dat het onmogelijk is. Een probability van 1 betekent dat de hypothese waar moet zijn. De meeste
probabilities vallen tussen deze limieten. Een probability van 0.5 voor een hypothese betekent dat we even (on)zeker
zijn dat de hypothese waar is en dat de ontkenning waar is.
4
