Ambiguous Cause-in-Fact and Structured Causation: A Multi-Jurisdictional Approach
Notice bibliographique
Résumé
Understanding the application of judicially created cause-in-fact doctrine to a case where proof of cause is at best ambiguous, necessitates understanding what has driven the court to tinker with existing tort doctrine in the first place. It is the aim of this article to explore .how these three modifications to traditional cause-in-fact principles operate, examine why they arose, and then use a normative lens to evaluate why they need to be consolidated into a predictable and portable outgrowth of causation doctrine.This article is divided into four substantive sections. Part II defines the landscape of cause-in-fact doctrine and explains how American, Canadian, and British courts have modified this landscape to oblige ambiguous causation cases. Part III evaluates the judicial modifications of cause-in-fact doctrine and explores the often inarticulated motivations that drive a court's use of these innovations. First, reversal of the burden of proof of causation from the plaintiff to the defendant is considered. Next, the approach that proves cause based on the defendant's material increase of risk of injury to the plaintiff is evaluated. And finally, the practice of proving causation based on reasonable inferences on the facts of the case is examined. Part IV is the pivotal division of the article, where the three alternative approaches to cause-in-fact are synthesized to produce a new, normative3 method for deciding ambiguous cause-in-fact cases. This method, called structured causation, deifies existing torts principles in a fashion that is also compatible with a positivist interpretation of what courts have been doing. Part V explains how structured causation accomplishes the normative goals, which are compatible with the competing tort theories of efficiency and corrective justice.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».