Accessing Quality?: Legal Education and the Diversity Challenge
Notice bibliographique
Résumé
What is a good legal education? This is a question that both blesses and blights us all - it blesses us because it forces us to keep on our toes and should constantly makes us challenge what we are doing and what we take for granted, it blights us because there is no likely consensus on what it might mean and tends to pull us apart rather than bring us together. In addressing this perennially perplexing question, I want to ask how we might go about answering it (or, at least, framing the issues) when it comes to dealing with matters of race and racial diversity in student admissions. The general perception of the problem is that, while greater diversity in the student population is to be encouraged, it must not occur at the price of lower standards in the delivery of legal education. For me, this is precisely the kind of dichotomous thinking that must be done away with. It is not a choice between broadening access and preserving quality - access is a dimension of quality, they go together, not pull apart. In short, I want to take a controversial and unconventional line that recommends that law schools, if they are to provide a good legal education, must embrace affirmative action in their admission practices. It is my contention that there is no connection between broadening access and diluting standards. On the contrary, on the view of a good legal education that I propose, greater ethnic diversity will enhance the quality of legal education delivered and received.
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 | 0,027 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,017 | 0,057 |
| Communication savante | 0,032 | 0,037 |
| Science ouverte | 0,003 | 0,022 |
| Intégrité de la recherche | 0,021 | 0,028 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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.
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 ».