MétaCan
Menu
Retour à la cohorte
Enregistrement W2287613873 · doi:10.1017/s1472669615000444

The ‘Free Access to Law Movement’ in India: Supporting Legal Education, Research and Practice

2015· article· en· W2287613873 sur OpenAlexaboutno aff
Priya Rai, Akash Akash

Notice bibliographique

RevueLegal Information Management · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Education and Practice Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceLawLegal researchPromotion (chess)The InternetLegislaturePublic administrationScholarshipDeclarationPublic relations

Résumé

récupéré en direct d'OpenAlex

The internet and the World Wide Web ( www) has allowed the free flow of information across countries. Peter Martin and Tom Bruce from Cornell Law School pioneered the development of the ‘Free Access to Law Movement’ around the world. The Australian Legal Information Institute and various other Legal Information Institutes (LIIs) were established by adopting the Montreal Declaration at the Law via Internet Conference held in 2002. As a member of the United Nations, India adopted the UNESCO policy guidelines for the development and promotion of governmental public domain information. In India, the National Informatics Centre has played a leading role in supporting the maintenance and dissemination of Indian government public information that is useful for legal education, research and practice. This paper by Priya Rai, and Akash, gives a brief informative overview of the ‘free access to law movement’ resources pertaining to India. These resources have been categorised for easier understanding: parliamentary resources, legislative resources, case laws, law reform reports, international treaties and legal scholarship and journals. The article also provides an overview of the Legal Information Institute of India extending its contribution to disseminating Indian legal information.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
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 enseignants0,998
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,009
Études des sciences et des technologies0,0100,009
Communication savante0,0150,008
Science ouverte0,0020,017
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0170,003

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 Opus0,106
Tête enseignante GPT0,492
Écart entre enseignants0,386 · 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.

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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLegal Information ManagementMême sujetLegal Education and Practice InnovationsTravaux en français237 207