MétaCan
Menu
Retour à la cohorte
Enregistrement W1527157723 · doi:10.4225/75/57b289de40cd1

Zubulake: The Catalyst for Change in eDiscovery

2009· article· en· W1527157723 sur OpenAlexaboutno aff
Penny Herickhoff, Vicki Luoma

Notice bibliographique

RevueAustralasian Journal of Paramedicine · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Systems and Judicial Processes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCommon lawFederal Rules of Civil ProcedureElectronic dataPolitical scienceBusinessElectronic recordsLawLaw and economicsPublic relationsEconomicsCivil procedureComputer science

Résumé

récupéré en direct d'OpenAlex

Common law countries have been struggling with electronic data in regard to their discovery rules from the first digital document. All major common law countries, including Australia, New Zealand, Australia, United Kingdom, Canada, South Africa and the United States have recently changed their rules of discovery in an attempt to make sense of all this data and determine what, when and how data should be disclosed by parties in litigation. Case law in these countries has been defining the responsibilities of potential parties and attorneys to prepare for litigation that might happen. The case that was the catalyst of change was the 2003 United States case Zubulake v. UBS Warburg, LLC. Prior to this case judges and attorneys were trying to determine how to deal with electronic data that was becoming more voluminous. In this case, the court made a series of five pretrial orders concerning disputes over electronic discovery issues. These orders included defining accessible and inaccessible data, analyzing cost-shifting, and litigants’ duties to preserve electronic documents and consequences for failure to have an appropriate retention and deletion policy. This paper reviews the key aspects of the Zubulake case and examines the impact of the case on corporate record retention policies. This case was an important harbinger regarding how the discovery rules needed to be changed or redefined to accommodate the electronic data world.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,534
Score d'incertitude au seuil0,253

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,046
Tête enseignante GPT0,369
Écart entre enseignants0,323 · 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.

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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralasian Journal of ParamedicineMême sujetLegal Systems and Judicial ProcessesTravaux en français237 207