Notice bibliographique
Résumé
I begin by commenting on the failure of current strategies to help us understand the “actual” decision-making process in law. Then I use the work of Bernard Lonergan (1904-1984) and Philip McShane, two Canadian philosophers, to present a plausible method of introspection. Will we ever be able to investigate the process of discovery in law? How can we investigate the “actual” legal decision-making process? Many legal theorists who study legal reasoning accept that there is a clear distinction between the process whereby legal decisions are actually reached and the process whereby they are publicly justified. Discovery is one thing, but the legal justification of an outcome is another matter. These theorists even claim that legal theorists need not bother examining the discovery process; their proper subject matter is legal justification. Joxe Bengoetexea (1993, 118-119) even doubts whether the discovery process can be studied. Contemporary legal theorists, while claiming that it would be worthwhile to study the “actual” decision-making process, state that it is an activity that is very difficult to study. In a his book called The Judicial Application of Law, Jerzy Wroblewski states that the psychology material is less accessible than written case reports. It is difficult to obtain data because discussions among judges about cases are confidential. Further, he believes that the method of investigation is restricted to introspection, meaning the self-analysis of the decision-maker. In fact it is generally accepted that investigations of the process of discovery, the process whereby legal decisions are “actually” reached, should be left to psychologists. However, the results of cognitive psychologists have not been encouraging. The psychologists themselves admit their work is more descriptive than it is explanatory. 1 Wroblewski captures the current situation in the legal
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,152 | 0,230 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,129 |
| Communication savante | 0,020 | 0,052 |
| Science ouverte | 0,009 | 0,015 |
| Intégrité de la recherche | 0,021 | 0,046 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».