Raporlama¶

Şu durumda kullanın: kalibre edilmiş bir doğrulama Result nesneniz varsa ve adli biçimde bir rapora ihtiyacınız varsa: delil zinciri meta verisi, iki yönlü Nordgaard et al. (2012) / ENFSI (2015) sözel ölçeğine dayalı olabilirlik oranı (LR) ifadesi ve denetlenebilir bir HTML artefaktı. Şu durumda kullanmayın: keşifsel bir araştırma şekli istiyorsanız — concepts/results.md içindeki standart raporlama yolunu kullanın. Beklenen sonuç: sabit bölümlere sahip oluşturulmuş bir HTML raporu: test edilen hipotezler, delil zinciri, yöntem başına kalibre edilmiş LR ve sözel ifadesi, şekiller ve parametreler, kanıtsal sorumluluk reddi ve köken bilgisi.

Adli raporlar bir puandan fazlasını gerektirir: test edilen hipotez çifti (hypothesis pair), tanımlanan bilinen ve sorgulanan materyal, kaynak dosyalara uzanan delil zinciri (chain of custody) izi ve metriklerin analiz koşullarına bağlı olduğunu belirten kanıtsal sorumluluk reddi.

build_forensic_report¶

Şu durumda kullanın: Result nesnesinden HTML'e tek çağrıyla ulaşmak istiyorsanız. Delil zinciri alanlarını, kalibre edilmiş LR'leri ve sözel ölçek ifadelerini bir Jinja2 şablonuna aktarır. Şu durumda kullanmayın: araştırma makalesi şekli üretiyorsanız — standart bitig report CLI'yı veya concepts/methods.md içindeki çizim yardımcılarını kullanın. Beklenen sonuç: oluşturulan HTML dosyasının yolu (yalnızca HTML; Tippett grafiği için PAN-CLEF eğitimindeki gibi bitig.forensic.tippett ile kendi çiziminizi kullanın).

from bitig.report import build_forensic_report

build_forensic_report(
    "results/case_001",
    output="results/case_001/forensic_report.html",
    title="R v Smith — yazar analizi",
    lr_summaries={
        "general_impostors": {"log_lr": "1.34", "lr": "21.9"},
        "unmasking":          {"log_lr": "1.10", "lr": "12.6"},
    },
)

lr_summaries içindeki değerler kalibre edilmiş olabilirlik oranları olmalıdır; örneğin vakanın kendi denemesi için CalibratedScorer.predict_log_lr çıktısı. Ham bir General Impostors puanı bir kazanma oranı, bir Unmasking puanı ise bir doğruluk düşüşü ölçüsüdür; hiçbiri LR değildir, bu nedenle önce kalibrasyondan geçirilmelidir. Sözel ifade, sayısal lr (veya 10 ** log_lr) değerinden bitig.forensic.verbal_scale.lr_verbal_statement ile hesaplanır ve hiçbir zaman elle yazılmaz.

Şablon bölümleri:

Test edilen hipotezler — yalnızca Provenance üzerinde hypothesis_pair, questioned_description veya known_description doldurulmuşsa oluşturulur.
Delil zinciri — yalnızca acquisition_notes, custody_notes veya source_hashes doldurulmuşsa oluşturulur.
Yöntem başına LR bloğu — yalnızca lr_summaries sözlüğü geçirilmişse oluşturulur. log₁₀(LR), LR, iki yönlü sözel ifade (destek gücü ve desteklenen önerme) ve ölçeğin güç bantları gösterilir.
Yöntem başına şekiller + parametreler (kaydedilmiş Result dizininden).
Kanıtsal sorumluluk reddi — her zaman oluşturulur.
Yeniden üretilebilirlik köken bilgisi — her zaman oluşturulur (Provenance kaydının tam JSON'u).

Delil zincirinin doldurulması¶

Provenance oluştururken adli alanları geçirin:

from bitig.provenance import Provenance

provenance = Provenance.current(
    spacy_model="en_core_web_trf",
    spacy_version=spacy.__version__,
    corpus_hash=corpus.hash(),
    feature_hash=fm.provenance_hash,
    seed=42,
    resolved_config=cfg.model_dump(),
    questioned_description="W-2026-0815 numaralı arama kararıyla 2026-03-15 tarihinde el konulan e-posta zinciri",
    known_description="Şüphelinin Gmail hesabından 2024-2026 dönemine ait 15 kişisel e-posta",
    hypothesis_pair="H1: şüpheli tarafından yazılmıştır; H0: şüpheli dışında biri tarafından yazılmıştır",
    acquisition_notes="Tam sürücü görüntüsü; delil zinciri el koymadan analize kadar bütündür",
    custody_notes="Elde etme sonrasında değişiklik yapılmamıştır. Aşağıdaki SHA-256 değerleri orijinal dosyalarla eşleşmektedir.",
    source_hashes={
        "questioned_1": "a1b2c3...",
        "known_1":       "d4e5f6...",
        "known_2":       "...",
    },
)

HTML güvenliği¶

Adli rapor şablonu, Jinja2 otomatik kaçış (autoescape) etkin olarak oluşturulur — kullanıcı tarafından sağlanan her dize (delil zinciri notları, hipotez metni, kaynak özetler) HTML karakter referanslarıyla kaçırılır. custody_notes içindeki bir <script> etiketi, tarayıcıda HTML açıldığında çalıştırılmak yerine <script> olarak oluşturulur.

Kanıtsal sorumluluk reddi¶

Şablon, ENFSI (2015) değerlendirmeli raporlama kılavuzundan uyarlanmış standart bir sorumluluk reddi içerir:

Çıktı, uzman adli dilbilim kararını bilgilendirmeye yöneliktir; yerini almaz. Burada bildirilen olabilirlik oranları, belirli bilinen ve sorgulanan materyal, seçilen öznitelik uzayı ve kullanılan kalibrasyon kümesine koşulludur. Kalibrasyon koşulları dışındaki popülasyonlara genelleme yapılması uygun değildir. Raporlama, Avrupa Adli Bilimler Enstitüleri Ağı'nın (ENFSI 2015) önerdiği çerçeveyi izler.

Özel bir şablon sağlayarak sorumluluk reddini geçersiz kılabilirsiniz; referans uygulama için yerleşik src/bitig/report/templates/forensic_lr.html.j2 dosyasına bakın.

Sözel ölçek¶

Şu durumda kullanın: bir log-LR değerini adli raporda beklenen sade dil tanımlayıcısına çevirmeniz gerekiyorsa (ENFSI 2015 / Nordgaard ve diğerleri 2012). Şu durumda kullanmayın: istatistiksel bir kitleye rapor sunuyorsanız — log-LR değerini C_llr ile birlikte doğrudan aktarın. Beklenen sonuç: log-LR değerinin büyüklüğüne ve desteklenen önermeyi belirleyen işaretine karşılık gelen tek satırlık sözel ifade.

Sözel ölçek, pratisyenlerin İngilizce ankor terimini koruyabilmesi için her iki dilde sunulmaktadır:

\|log₁₀(LR)\| aralığı	English	Turkish
0 – 1	weak support	zayıf destek
1 – 2	moderate support	ılımlı destek
2 – 3	moderately strong support	ılımlı güçlü destek
3 – 4	strong support	güçlü destek
4 – 6	very strong support	çok güçlü destek
≥ 6	extremely strong support	son derece güçlü destek

Ölçek iki yönlüdür: LR > 1 aynı yazar önermesini (Hp), LR < 1 farklı yazar önermesini (Hd) destekler; bir LR ile tersi için destek gücü aynıdır. Ölçek tek bir yerde, bitig.forensic.verbal_scale.LR_LADDER içinde tanımlanır; raporlar onu buradan okur.

Referans¶

bitig.report.render.build_forensic_report ¶

build_forensic_report(result_dir: str | Path, *, output: str | Path, title: str = 'bitig forensic report', lr_summaries: dict[str, dict[str, str]] | None = None) -> Path

Render a forensic-styled report with known/questioned framing, LR output, and a chain-of-custody block.

The forensic fields (hypothesis_pair, questioned_description, known_description, acquisition_notes, custody_notes, source_hashes) are read from the provenance of the first Result in result_dir. Populate them when calling Provenance.current from your verification pipeline.

Parameters:

Name	Type	Description	Default
`result_dir`	`path`	A Result directory or a parent directory of per-method Result subdirectories.	required
`output`	`path`	Output HTML path.	required
`title`	`str`		`'bitig forensic report'`
`lr_summaries`	`dict`	Per-method LR summaries keyed by method name, e.g., `{"general_impostors": {"log_lr": "1.34", "lr": "21.9"}}`. These render under the relevant method section. If None, no LR block is drawn per method.	`None`

bitig.provenance.Provenance `dataclass` ¶

has_forensic_metadata `property` ¶

has_forensic_metadata: bool

True if any chain-of-custody field has been populated.

current `classmethod` ¶

current(*, spacy_model: str, spacy_version: str, corpus_hash: str, feature_hash: str | None, seed: int, resolved_config: dict[str, Any], questioned_description: str | None = None, known_description: str | None = None, hypothesis_pair: str | None = None, acquisition_notes: str | None = None, custody_notes: str | None = None, source_hashes: dict[str, str] | None = None) -> Provenance

from_dict `classmethod` ¶

from_dict(data: dict[str, Any]) -> Provenance

to_dict ¶

to_dict() -> dict[str, Any]