The Possibility of “Inference Causation”: Inferring Cause-in-Fact and the Nature of Legal Fact-Finding
Notice bibliographique
Résumé
This article defends what it refers to as “inference causation”: a fact-finder’s drawing of a causal link between a defendant’s actions and a plaintiff’s suffering in tort claims in the absence of expert scientific evidence. This type of reasoning, affirmed in 1990 by Justice Sopinka in the Supreme Court of Canada decision, Snell v. Farrell, has encountered significant academic criticism. The author defends inference causation by considering evidence theory. First, he shows that inference causation forms a part of law’s veritism—its commitment to the truth—since legal fact-finding’s aim is always to seek out the best obtainable truth, rather than the absolute truth. Second, he critiques the primacy of scientific evidence by showing that both its reasoning process and the nature of its conclusions are different from those of legal fact-finding. Last, the author shows that all fact-finding—particularly all legal fact-finding—is already inferential. Scientific evidence forms but one of many different elements that are analyzed by fact-finders in their inference about which factual account of the disputed events is the best account. Accordingly, where none is available, the same inference of fact is nonetheless possible.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,053 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,067 |
| Communication savante | 0,009 | 0,027 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».