Notice bibliographique
Résumé
Increasingly, adjudicators and administrative tribunals are interested in active adjudication. Adjudicators are on the front line of administrative justice, we see firsthand the difficulties self-represented and other litigants face as they try to navigate the legal system. We see the challenges associated with adversarial adjudication and we see how the role of the decision-maker can make a difference to the parties, their perception of the fairness of the proceeding, and (arguably) the legal outcome. Many of us see active adjudication as a way that adjudicators can help remove unnecessary barriers for all litigants. This paper addresses the actual practice of active adjudication. I attempt to explain, in specific terms, how adjudicator's can introduce active adjudication into their practice. I begin by explaining what active adjudication is and why it can improve access to justice. Second, I consider what tools are needed to become effective active adjudicators. Finally, I propose some best practices and practical suggestions.
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 | 0,264 | 0,300 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,013 | 0,038 |
| Communication savante | 0,032 | 0,032 |
| Science ouverte | 0,013 | 0,016 |
| Intégrité de la recherche | 0,018 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,011 |
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 ».