Fortuity Clauses in Liability Insurance: Solving Coverage Dilemmas for Intentional and Criminal Conduct
Notice bibliographique
Résumé
Should losses resulting from criminal or intentional conduct be insurable through liability insurance? Insurers have crafted fortuity clauses in liability policies in order to ensure that coverage is available only for fortuitous losses, not certainties. Two common fortuity clauses oust coverage for losses arising from “intentional” or “criminal” acts. Yet what is “intentional” conduct? And what is “criminal” conduct? These interpretive problems which have vexed Canadian courts for decades have produced jumbled insurance jurisprudence which has spawned multiple, distinct ways of answering what appear to be simple insurance coverage questions. The reason courts have had such difficulty with interpreting these particular fortuity clauses is because courts and litigants are often distractingly entranced by the normative pull of morality embedded in the act of excluding liability insurance indemnity coverage for criminal and intentional conduct. The implicit (and sometimes explicit) narrative of fortuity driving these insurance cases inappropriately shifts to a narrative about punishment, deterrence, and morality. This article explores that shift and provides a new interpretive framework which restores a principled approach to interpreting these fortuity clauses. It does so by grounding courts’ and litigants’ thinking in the notion that these clauses are there to respond to moral hazard fortuity concerns within the context of a publicly regulated accident compensation system of which insurance is a fundamental part.
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 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 | 0,000 |
| 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 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».