MétaCan
Menu
Retour à la cohorte
Enregistrement W147977947

Painful Injustices: Encountering Social Suffering in Clinical Legal Education

2012· article· en· W147977947 sur OpenAlexaff
Sarah Bühler

Notice bibliographique

RevueSSRN Electronic Journal · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Education and Practice Innovations
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésInjusticePoliticsSociologyLegal educationPsychologyReification (Marxism)Social psychologyLawPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this article, I examine and problematize clinical law students’ encounters with traumatic stories and expressions of suffering of some clients. I argue that without critical reflection, these encounters can function to produce and reinforce dominant understandings of suffering as a non-legal, private emotional or psychological attribute of clients, a matter to be referred to other professionals, ignored, or otherwise “managed” by the lawyer. This type of “reading” of suffering, I argue, can serve to reinforce acontextual, uncritical legal practice. Furthermore, I argue that in clinical law contexts this reification of notions of professional identity and role is often problematically compounded with the reproduction of dominant images of poor clients as victims, or as helpless, or as responsible for their suffering. By drawing on the eclectic and emerging body of literature on “social suffering,” as well as the critical feminist and post-colonial theoretical literature on emotions, suffering and “embodied encounters,” I highlight the importance of paying attention to encounters with human suffering in clinical legal education. I describe aspects of a critical “pedagogy of suffering” in clinical law contexts, a pedagogy that views human suffering as a signifier of larger political and systemic injustice, and one which encourages critical, attentive and politicized “witnessing” and responses to suffering by lawyers and law students.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,840
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,438
Écart entre enseignants0,395 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetLegal Education and Practice InnovationsTravaux en français237 207