MétaCan
Menu
Retour à la cohorte
Enregistrement W2345149660

Chapter 5 - Law and Economics: Law as Efficiency

2007· article· en· W2345149660 sur OpenAlexaff
Susan Dimock

Notice bibliographique

RevueSSRN Electronic Journal · 2007
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésLawComparative lawPrincipal (computer security)Public lawPhilosophy of lawPrivate lawPolitical scienceLaw and economicsEconomicsComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Law and economics is an approach to law, developed primarily in the United States but currently being actively pursued in research centers in many countries. The central claim of law and economics is that law serves the goal of economic efficiency: law is best seen as a tool for wealth-maximization in society. This is especially so for branches of the common law such as the law of torts, contract, and property, but also for criminal law; I briefly examine all four. In part because law and economics is a relatively new field, and in part because economic theory itself is far from settled, the law and economics label encompasses many different views. In what follows, I offer a fairly ambitious version of this broad approach to the study of law. Much of what I say here follows the views of Richard A. Posner, an American judge and jurisprudent who has been the principal advocate of the economic analysis of law. However, the view presented is not that of any particular representative of the theory, including Posner himself, and many defenders of the economic approach to law might disagree with some of the details of my exposition. My goal is merely to present an overview of the general approach, to illustrate the kinds of questions it raises as much as to describe the specific answers it might give to them.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,007
Communication savante0,0060,008
Science ouverte0,0010,002
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0200,003

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 Opus0,011
Tête enseignante GPT0,202
Écart entre enseignants0,191 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207