MétaCan
Menu
Retour à la cohorte
Enregistrement W1523157275

The Price of Excessive Damage Awards

2005· article· en· W1523157275 sur OpenAlexaff
Stephen Waddams

Notice bibliographique

RevueTSpace (University of Toronto) · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal principles and applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDamagesTortSympathyVariety (cybernetics)RationalityLaw and economicsEconomic JusticeLawUnjust enrichmentEconomicsBusinessPolitical scienceLiabilityPsychologyRestitutionSocial psychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

There has been a tendency during the past 30 years, in many common law jurisdictions, towards an increase in amounts of damages, both in contract and tort. Arguments for increasing awards have, for a variety of reasons, been vigorously and effectively promoted, whereas the counter-arguments have appeared weak and diffuse. The counter-arguments, therefore, deserve attention. ‘The more the better’ cannot be a principle of justice, rationality, or of sound policy. The expansion of damage awards has been assisted by the ideas that the defendant is a wrongdoer deserving of little sympathy; that wrongs should all ideally be deterred, and so it is acceptable — desirable even — that damage awards should err on the side of excess; and that damages will in any event be paid by an anonymous insurance fund and impose a real burden on no one. The third idea is inconsistent with the others, and each of the three rests on erroneous assumptions. In many cases — probably in most cases — those liable to pay damages are not personally guilty of blameworthy conduct; it is not true that all conduct giving rise to what the law calls a wrong should ideally be deterred; and all awards, even if funded by insurance, have to be paid for. These points are illustrated by considering several kinds of legal wrongs, and several different kinds of loss.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,053
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0030,006
Communication savante0,0100,006
Science ouverte0,0010,004
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,287
Écart entre enseignants0,270 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpace (University of Toronto)Même sujetLegal principles and applicationsTravaux en français237 207