MétaCan
Menu
Retour à la cohorte
Enregistrement W1512860480

Ethics Teaching in Law School

2009· article· en· W1512860480 sur OpenAlexaff
Alice Woolley, Sara Lillian Bagg

Notice bibliographique

RevueSSRN Electronic Journal · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Education and Practice Innovations
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSalientMainstreamLegal educationCurriculumVariety (cybernetics)LawTeaching methodMathematics educationLegal ethicsSociologyEngineering ethicsPolitical sciencePedagogyPsychologyComputer scienceEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Since its entry into the mainstream of common law legal education, legal ethics teaching has been analyzed and critiqued by numerous commentators. United in dissatisfaction with what they perceive as an intellectually uninspired, pedagogically unsound and almost universally unpopular approach to ethics instruction, commentators argue for a diverse variety of reforms. Running through these various reforms is, however, a common thread: Good ethics teaching is viewed as separate and distinct from the teaching of “black letter law” in the rest of the curriculum. This paper challenges this assumption. Through analyzing and comparing ethical and legal problem solving, the paper addresses the commonalities in, and salient differences between, the two. It then suggests an approach to ethics teaching which allows instructors to capitalize on the learning which students have (or should have) done in their law classes, while also emphasizing and teaching the unique analytical and other skills which ethical problem solving requires.

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)0,009
score de la tête « metaresearch » (Gemma)0,002
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,010
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 Opus0,036
Tête enseignante GPT0,415
Écart entre enseignants0,379 · 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

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

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