Courting New Solutions Using Problem-Solving Justice: Key Components, Guiding Principles, Strategies, Responses, Models, Approaches, Blueprints and Tool Kits
Notice bibliographique
Résumé
Problem-solving courts began with the creation of the first adult drug treatment court in Miami, Florida, in 1989. This court spawned a movement of drug courts in the United States, which now number in excess of 2,300, plus more than 1,200 other types of courts using similar principles. These “problem-solving courts,” as they have come to be known, now number more than 3,500 in the United States including at least one drug court in every state, Federal district court programs, over seventy Tribal Healing-to-Wellness courts, and international courts in some twenty countries; the first international court having been established in Toronto, Ontario, Canada, in 1998. Beginning with the key components of drug courts that were published in 1994, attempts to define what exactly constitutes a problem-solving court began to proliferate at the turn of the Century. Con-currently, there is a movement to bring problem-solving courts to scale, in essence turning every court into a problem-solving court. Some authors have concentrated on these efforts rather than seeking to define specific types of court. Based on a literature review, this article explores the international principles as noted by various authors and stresses both the similarities and differences in those standards. It defines the types of problem-solving courts and reviews the general principles of them. As these tenets are applied to the traditional court setting, there is a shift to notions such as therapeutic jurisprudence and procedural fairness. The article concludes that we can define such principles while allowing differences to emerge when the legal culture so dictates and that these principles are transferable to non-specialty courts. Moreover, problem-solving courts are requiring a whole new set of skills and behaviors from judges including emotional intelligence and motivational interviewing, as well as knowledge of the stages of behavioral change.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,007 | 0,024 |
| Communication savante | 0,020 | 0,015 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».