MétaCan
Menu
Retour à la cohorte
Enregistrement W2246233972

Resolving Mass Legal Disputes Through Class Arbitration: The United States and Canada Compared

2011· article· en· W2246233972 sur OpenAlexaboutno aff
S.I. Strong

Notice bibliographique

RevueFaculty publications · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDispute Resolution and Class Actions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArbitrationSupreme courtCompulsory arbitrationPolitical scienceDispute resolutionLawClass (philosophy)Federal Arbitration ActArbitration clauseLaw and economicsCivil procedureEconomicsComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

RESOLVING MASS LEGAL DISPUTESbenefit from a deeper understanding of the differences in the way in which the United States and Canada address the tensions between collective redress and arbitration.This Article undertakes just such a comparative analysis and proceeds as follows.First, Section II lays the groundwork for comparing class arbitration in Canada and the United States by describing relevant aspects of each nation's legal system.Section III then introduces the concept of class arbitration, including its basic procedures, its history and its importance in both domestic and international dispute resolution.Once the foundation has been laid, the comparative analysis begins.Section IV contrasts the current state of class arbitration in the United States and Canada, focusing on three issues that have arisen as a result of recent Supreme Court precedent in both countries and that are particularly amenable to comparative analysis: circumstances in which class arbitration is available; procedures that must or may be used; and the nature of the right to proceed as a class.Section V concludes the Article by bringing the various threads of analysis together and identifying the lessons that can be learned from comparing the two countries.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,610

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0150,006
Communication savante0,0090,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,054
Tête enseignante GPT0,250
Écart entre enseignants0,196 · 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'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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFaculty publicationsMême sujetDispute Resolution and Class ActionsTravaux en français237 207