MétaCan
Menu
Retour à la cohorte
Enregistrement W1733669877 · doi:10.17589/2309-8678-2014-2-2-9-62

Selection of Jurors and Lay Assessors in Comparative Perspective: Eurasian Context

2015· article· en· W1733669877 sur OpenAlexaff
Nikolai Kovalev

Notice bibliographique

RevueRussian Law Journal · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueJury Decision Making Processes
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésImpartialityAdjudicationLegislationLawContext (archaeology)Political scienceListing (finance)Independence (probability theory)Selection (genetic algorithm)Choice of lawSociologyConflict of lawsBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

This article compares (1) the qualification of jurors or lay assessors; (2) methods of listing candidates for lay adjudication; and (3) selection and empanelment of jurors and lay assessors for a particular case, in various post-Soviet countries and Western countries. Two key issues are examined. The article examines whether the legislation of post-Soviet countries in relation to the qualification, listing and empanelling of jurors and lay assessors is consistent with the standards applied in developed democracies. Simultaneously, the article explores what standards and rules of selection of lay adjudicators should be incorporated into the legislation of post-Soviet states in order to insure impartiality and independence of lay adjudicators. The article reveals a significant number of defects and gaps that allow executives and court personnel to manipulate the selection process and hamper the formation of impartial, independent and representative lay courts. An examination of the legislation in post-Soviet countries and of the empirical data collected in Russia lead to the conclusion that the mechanisms of the voir dire, peremptory challenges and challenges to entire juries should be reviewed and improved in order to provide reliable safeguards for the selection of impartial and independent lay adjudicators and prevent parties from excluding prospective lay adjudicators for discriminatory reasons.

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)0,036
score de la tête « metaresearch » (Gemma)0,048
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,193

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,048
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0060,010
Communication savante0,0070,005
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,098
Tête enseignante GPT0,421
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 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'étudeObservationnel
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

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRussian Law JournalMême sujetJury Decision Making ProcessesTravaux en français237 207