Sexual Consent as Voluntary Agreement: Tales of “Seduction” or Questions of Law?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article proposes a rigorous method to map the law on to the facts in the legal analysis of sexual consent using a series of mandatory questions of law designed to eliminate the legal errors often made by decision makers who routinely rely on personal beliefs about and attitudes toward “normal sexual behavior” in screening and deciding cases. In Canada, sexual consent is affirmative consent, the communication by words or conduct of “voluntary agreement” to a specific sexual activity, with a specific person. As in many jurisdictions, however, the sexual assault laws are often not enforced. Reporting is lowest and non-enforcement highest in cases involving the most common type of assailants, those who are not strangers but instead persons the complainant knows, often quite well—acquaintances, supervisors or coworkers, and family members. Reliance on popular narratives about “seduction” and “stranger-danger” leads complainants, police, prosecutors, lawyers, and trial judges to truncate legal analysis of the facts and leap to erroneous conclusions about consent. Wrongful convictions and perverse acquittals, questionable plea bargains and ill-considered decisions not to charge, result. This proposal is designed to curtail the impact of prejudgments, assumptions, and biases in legal reasoning about voluntariness and affirmative agreement and to produce decisions that are legally sound, based on the application of the rule of law to the material facts. Law has long had better tools than the age-old and popular tales of “ravishment” and “seduction.” Those tools can and should be used.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 découle