MétaCan
Menu
Retour à la cohorte
Enregistrement W2461595673 · doi:10.29173/alr385

Tracking Liability – Traceability and the Farmer

2015· article· en· W2461595673 sur OpenAlexaffvenueabout
Patricia L. Farnese

Notice bibliographique

RevueAlberta Law Review · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésTraceabilityDue diligenceLiabilityCausationBusinessAnonymityLaw and economicsJurisprudenceLawRisk analysis (engineering)EconomicsAccountingFinancePolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Many farmers are reluctant to enter into traceability programs, which would create a record of the source and movement of raw farm products. Farmers are concerned that these programs could make them more vulnerable to regulatory offence prosecution and negligence lawsuits, as lite protection vulnerable afforded by anonymity is lost. However, participating in a traceability program may assist a farmer in protection establishing due diligence and reasonable care. Canadian jurisprudence also suggests that it will likely be difficult to overcome the causation stage of a negligence claim and ultimately prove a farmer's liability. Moreover, farmers will also benefit from the restrictive treatment of pure economic loss claims Canadian courts. Traceability programs would therefore prove to be more positive than negative for Canadian farmers.

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)0,009
score de la tête « metaresearch » (Gemma)0,016
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 enseignants0,336
Score d'incertitude au seuil0,676

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0050,013
Communication savante0,0080,003
Science ouverte0,0020,002
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,058
Tête enseignante GPT0,249
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
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAlberta Law ReviewMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207