MétaCan
Menu
Retour à la cohorte
Enregistrement W2407952138 · doi:10.3138/utq.85.2.01

Literature and Law: Consensus and the Art of Disagreement

2016· article· en· W2407952138 sur OpenAlexaffvenue
Jon Kertzer

Notice bibliographique

RevueUniversity of Toronto Quarterly · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLaw in Society and Culture
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésJuryTasteVerdictImmediacyIronyRelevance (law)LawJudgementSociologyPolitical scienceEpistemologyPhilosophyPsychology

Résumé

récupéré en direct d'OpenAlex

Literary and legal judgments require, formulate, and defend, but also retain an urge to disrupt, a consensus of like-minded people. This essay studies the aesthetic of taste in literature and the jury system in law to show how consensus works, and at what cost. Using Pierre Bourdieu's model of social “fields” competing for authority, it argues that consensus must be won within a dissensus that it can never quite quell. Concord emerges from discord, which remains unruly. This dynamic energizes theories of taste (Burke, Hume, Scarry), which derive social and moral relevance from the sensory immediacy of art, and the jury system, which theatrically forges agreement out of judicial dispute. Jane Austen provides examples of irony in the service of critical taste; the O.J. Simpson criminal trial illustrates the tribulations of reaching a unanimous verdict, which it displays to a disputatious public.

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)0,041
score de la tête « metaresearch » (Gemma)0,080
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,041
Score d'incertitude au seuil0,214

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,080
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,008
Études des sciences et des technologies0,0230,169
Communication savante0,0310,036
Science ouverte0,0040,019
Intégrité de la recherche0,0130,009
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,205
Écart entre enseignants0,199 · 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'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
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Toronto QuarterlyMême sujetLaw in Society and CultureTravaux en français237 207