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 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 candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,902
Score d'incertitude au seuil0,999

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 technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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