MétaCan
Menu
Retour à la cohorte
Enregistrement W1971484755 · doi:10.1163/17087384-12342054

Inventing Legal Combat: Pro-Poor “Struggles” in the Human Rights Jurisprudence of the Nigerian Appellate Courts, 1999–2011

2014· article· en· W1971484755 sur OpenAlexaffvenue
Obiora Chinedu Okafor, Basil Ugochukwu

Notice bibliographique

RevueAfrican Journal of Legal Studies · 2014
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHistorical and Contemporary Political Dynamics
Établissements canadiensCentre for International Governance InnovationYork University
Organismes subventionnairesnon disponible
Mots-clésJurisprudenceSubalternHuman rightsLawPolitical scienceSociologyPolitics

Résumé

récupéré en direct d'OpenAlex

This article deals with the question whether the jurisprudence of Nigeria’s appellate courts has helped advance or impede the struggles of the poor to assert their human rights in the country. The article begins by defining, delimiting, and situating the concepts “struggle” and “human rights as struggle.” It then moves on to identify and discuss the factors that make the struggles that the poor and the subaltern must wage to realize their human rights a tough one. Following this discussion, the article turns its attention to its main focus, i.e., an analytical examination of the ways in which the corpus of human rights jurisprudence of the Nigerian appellate courts has either aided and/or inhibited the struggles of the poor and the subaltern in that country during the period under study. The latter discussion is sub-divided into two segments: the first is focused on the engagement of these courts with the pro-poor struggles of Nigerian Labour, while the second is devoted to an analysis of the attitude of the courts to other kinds of pro-poor human rights struggles in Nigeria. In both cases, given space and other constraints, only small but representative samples of the relevant cases are discussed.

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)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0150,022
Communication savante0,0100,006
Science ouverte0,0010,006
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,252
Écart entre enseignants0,215 · 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'étudeQualitatif
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

Citations0
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAfrican Journal of Legal StudiesMême sujetHistorical and Contemporary Political DynamicsTravaux en français237 207