MétaCan
Menu
Retour à la cohorte
Enregistrement W2025174668 · doi:10.3138/utlj.63.2.091212

OPINION WRITING AND AUTHORSHIP ON THE SUPREME COURT OF CANADA

2013· article· en· W2025174668 sur OpenAlexvenueaboutno aff
Kelly Bodwin, Jeffrey S. Rosenthal, Albert Yoon

Notice bibliographique

RevueUniversity of Toronto Law Journal · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueJudicial and Constitutional Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSupreme courtLegal writingArgument (complex analysis)LawStyle (visual arts)Writing styleGovernment (linguistics)Political scienceDissenting opinionJudicial opinionStaffingSociologyLiteratureLinguisticsPhilosophyArtMedicine

Résumé

récupéré en direct d'OpenAlex

In contrast to other branches of government, the Supreme Court of Canada operates with relatively lean staffing. For most of the Court’s history, its justices alone determined which cases to review, heard oral argument, and wrote opinions. Only since 1967 have justices have been aided in these responsibilities by law clerks. While interest abounds in the relationship between justices and their clerks – particularly the writing of opinions – very little is known. This article analyses the text of the Court’s opinions to better understand judicial authorship. We find that justices have distinct writing styles, allowing us to distinguish them from one another. Their writing styles also provide insight into how clerks influence the writing of opinions. Most justices in the modern era possess a more variable writing style than their predecessors did, both within and across years, providing strong evidence that clerks are increasingly involved in the writing of judicial opinions.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,942
Score d'incertitude au seuil0,921

Scores Codex et Gemma par catégorie

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

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 Opus0,024
Tête enseignante GPT0,227
Écart entre enseignants0,204 · 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

Citations25
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Toronto Law JournalMême sujetJudicial and Constitutional StudiesTravaux en français237 207