Meeting the Professional Identity Challenge in Legal Education Through a Relationship-Centered Experiential Curriculum
Notice bibliographique
Résumé
Legal education is facing a series of crises, the worst of which may well be its graduates' perceived lack of professionalism qualities such as civility, judgment, and commitment to service. This urgent message has been amplified by recent high-profile critiques emphasizing the need to teach professionalism, as well as to make law schools more nurturing and humanistic environments. The purpose of this article is to show that the challenge of preparing law students to become caring and competent professionals can be met by using a sequence of experiential learning opportunities to teach relational competencies. Even the harshest critics of legal education agree that clinical programs in law schools succeed; however, the idea of expanding such programs presents challenges. Others worry that law schools will be tempted to do clinics "on the cheap." Nevertheless, if we truly are concerned about the quality of legal education, we should focus instead on understanding what exactly students learn through clinics that contributes to their development of professionalism, and, further, whether other academic experiences, such as externships or simulations, can contribute to these same goals. This article sets out a conceptual model for exploring this professional identity challenge. The first part is called the "Experiential Learning Helix," a developmental approach that identifies three different roles all law students should experience toward becoming a professional: (1) simulated practice, (2) the "mentee" role, and (3) the "first-chair" role. The second part of this model is "Relationship-Centered Lawyering," a normative framework focusing on three areas of competency every effective lawyer needs: (a) understanding theory about the person-in-context, (b) promoting procedural justice, and (c) appreciating interpersonal, cultural, and emotional issues. When grounded in this relational framework, the Helix holds promise for legal education's sustainability into the future.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».