Cybertorts in Canada: Trends and Themes in Cyber-Libel and Other Online Torts
Notice bibliographique
Résumé
The article identifies trends and themes in cybertorts in Canada, examining especially how Canadian courts are approaching online defamation and internet jurisdiction issues. In cyberlibel cases, as communication technologies of online chat groups, websites and email are assimilated, some courts are re-considering traditional notions about communications, especially those that associate a message's influence with an author's identity, and concluding that internet communications may be believed more readily than communications in print; anonymous messages may be believed more readily than those by identified speakers; and communications in non-print media, with their correspondingly technologically enhanced features of hyperlinking, cross-referencing, archiving and searching, may be more powerful and memorable. Some of these views, however, are at odds with traditional assumptions about credibility, which historically has been correlated with the speaker's identifiability, bias, experience, and authority. The paper in particular questions the emerging view in internet defamation cases in Canada that anonymous online speech may be more likely to be believed than the same words published in print. While it is important to pay attention to the internet's particular features, including speed and interactivity, traditional theories about how credibility is evaluated and what criteria are weighed to assess belief should still be considered in this medium. Technology may widely expand who can be heard, but it does not necessarily follow that it should, or does, widely expand what and who is believed. The paper also considers internet jurisdiction theory in Canada and argues that Canadian courts should apply general internet principles under Canadian law rather than turning to internet-specific jurisdiction tests developed in other 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 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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,018 | 0,033 |
| Études des sciences et des technologies | 0,015 | 0,011 |
| Communication savante | 0,011 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 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 ».