MétaCan
Menu
Retour à la cohorte
Enregistrement W2156687330

Environmental Damages after the Federal Environmental Enforcement Act: Bringing Ecosystem Services to Canadian Environmental Law?

2011· article· en· W2156687330 sur OpenAlexaffabout
Martin Olszynski

Notice bibliographique

RevueSSRN Electronic Journal · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueProperty Rights and Legal Doctrine
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésEnvironmental lawDamagesEcosystem servicesEnforcementContext (archaeology)Valuation (finance)Environmental impact assessmentEnvironmental planningLaw enforcementEnvironmental degradationEnvironmental resource managementEnvironmental studiesBusinessPolitical scienceLawEcosystemGeographyEnvironmental scienceEcology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Canadian Environmental Enforcement Act (EEA) directs judges to consider actual environmental damage, or risk thereof, when setting fines for environmental offences. The EEA defines damage as including the loss of use and non-use values. While these terms are not unprecedented in Canadian environmental law, their use in environmental damage assessment is. Bearing in mind recent developments in environmental valuation in the United States and internationally, and considering the emergence of the paradigm in particular, this article explores the opportunities and challenges for ecosystem services-based environmental damages assessment in the Canadian environmental sentencing context. The ecosystem services concept, much written about in American legal literature, provides a framework for identifying and organizing the numerous direct and indirect contributions that ecosystems make to human well-being, the value of which can then be expressed in economic terms. Although novel and ambitious in some respects, this approach would be consistent with both Parliament’s intention in passing the EEA and with the pre-existing common law framework for environmental sentencing in Canada.

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)0,005
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,160
Score d'incertitude au seuil0,975

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0230,017
Communication savante0,0160,008
Science ouverte0,0040,004
Intégrité de la recherche0,0100,008
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,007
Tête enseignante GPT0,199
Écart entre enseignants0,191 · 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'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

Citations1
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetProperty Rights and Legal DoctrineTravaux en français237 207