MétaCan
Menu
Retour à la cohorte
Enregistrement W1808059804

Equipping the Garage Guys in Law

2011· article· en· W1808059804 sur OpenAlexaboutno aff
Gillian K. Hadfield

Notice bibliographique

RevueMaryland law review · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Education and Practice Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNature versus nurtureLegal educationLawCurriculumGlobalizationLegal professionValue (mathematics)Political scienceBusinessSociology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Somewhere there's a 26-year-old out trying to destroy your business." 1 I.A CLASSROOM EXPERIMENT Recently, I conducted an experiment.Prompted by a student who had established a new joint law school-business school student group at the University of Southern California, I ran an extracurricular case study session in which J.D. and M.B.A. students worked together to find a solution for a real company facing a very real business challenge.The case involved a startup in Toronto called Innovation Exchange 2 ("IX"), an online open innovation platform connecting sponsor companies posting innovation challenges (for example, a new type of yogurt container or a new banking product) with a community of innovators.3 Innovation Exchange was encountering the following problem: In a significant number of cases, getting potential sponsor companies to sign up was slowed down or even halted by the complexity and legalese of their contract.As CEO Stephen Benson put the challenge, "It would be great if we could get this thing down to a page or two of easily readable content that the nonlawyer Chief Innovation Officer of a potential sponsor company could easily understand and communicate internally."Copyright  2011 by Gillian K. Hadfield.* Many thanks to my J.D. students in Advanced Contracts at USC and to the students

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)0,007
score de la tête « metaresearch » (Gemma)0,016
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,015
Communication savante0,0070,011
Science ouverte0,0010,007
Intégrité de la recherche0,0070,011
Charge utile insuffisante (le modèle a refusé de juger)0,0220,004

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 Opus0,149
Tête enseignante GPT0,397
Écart entre enseignants0,248 · 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
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

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaryland law reviewMême sujetLegal Education and Practice InnovationsTravaux en français237 207