MétaCan
Menu
Retour à la cohorte
Enregistrement W2015481015 · doi:10.5558/tfc80567-5

Professional forestry, due diligence, and the advice of specialists

2004· article· en· W2015481015 sur OpenAlexaffvenueabout
Paul Wood

Notice bibliographique

RevueThe Forestry Chronicle · 2004
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésForesterDue diligenceDiligenceLiabilityBusinessForestryContext (archaeology)Public relationsPolitical scienceAccountingFinancePsychologyGeography

Résumé

récupéré en direct d'OpenAlex

How can professional foresters ensure they practise with due diligence when they are charged with making decisions in which the advice of non-forestry specialists is one of the factors they must take into account? The case law on due diligence in Canada supports the need for appropriate expertise when potential regulatory offences are at stake. In a forestry context, the appropriate expertise is sometimes found among non-forestry specialists. As a result, professional foresters are growing increasingly reliant on the advice of such specialists. But especially in those provinces — BC, Ontario, and Quebec — with legislated exclusive professional forestry practice, professional foresters are often placed in the awkward position of having to judge the advice of specialists even when these foresters do not possess the expertise to make that judgment. Can foresters overrule the advice of non-forestry specialists? The case law on due diligence suggests they do so at their peril. By way of two hypothetical case studies, this paper highlights this dilemma, but also suggests that sharing the "decision-making space" may be a partial way to ensure that forestry decisions meet the demands of due diligence case law. Key words: professional ethics, professional forester, reasonable care, absolute liability, strict liability, R. v. Sault Ste. Marie

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,108
Score d'incertitude au seuil0,465

Scores Codex et Gemma par catégorie

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

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 Opus0,019
Tête enseignante GPT0,228
Écart entre enseignants0,209 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations3
Publié2004
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Forestry ChronicleMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207