MétaCan
Menu
← Retour à la cohorte
Enregistrement W1545203131

Judges and Their Editors

2010· article· en· W1545203131 sur OpenAlexaboutno aff
Douglas E. Abrams

Notice bibliographique

RevueFaculty publications · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Education and Practice Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNoticeCraftLawPridePolitical scienceJudicial opinionEconomic JusticeSociologyArtVisual arts
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A colleague later reminisced that Judge Jones' "beautifullv crafted opinions stand out in the New York Reports as models of scholarship, clarity of thought, and lucid gracefil wordsmanship.""The opinions were "clear, crisp, powerful writings," ChiefJudge Judith S. Kaye certified, "not a spare or careless word in them."'I began my career as one of JudgeJones' law clerks more than 40 years ago.This article shares the judge's enduring lessons about the constructive role that editing from law clerks, and sometimes from other inner court staff, can play in preparing an opinion's preliminary drafts.These lessons, taught during my two-year appointment, can influence riot only judges who have access to these human resources, but also other legal writers who value constructive editing from colleagues in their law v offices.In opinion writing, a judge's editorial process balances three forces that this article explores below.The firstethical constraints expressed in the Model (ode of judicial Conduct 1 unique to judging.But the second and third forces are comion to all legal writing pride of authorship (the writer's emotional attachment to what the writer has already put on paper); and personal and professional modesty (the writer's capacity to restrain this pride and carefully weigh editors' input during a writing's gestation, 6/21/18

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)0,014
score de la tête « metaresearch » (Gemma)0,102
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,143

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,102
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0070,006
Communication savante0,0180,007
Science ouverte0,0020,004
Intégrité de la recherche0,0060,010
Charge utile insuffisante (le modèle a refusé de juger)0,0430,026

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 Opus0,054
Tête enseignante GPT0,397
Écart entre enseignants0,343 · 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
GenreAutre

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

En bref

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFaculty publications→Même sujetLegal Education and Practice Innovations→Travaux en français237 207→