Notice bibliographique
Résumé
Gute Gesetzgebung ist ein zentrales Anliegen jedes Staates und jeder Gesellschaft. Sie trägt bei zum Schutz der Individualrechte, schafft geeignete Rahmenbedingungen für wirtschaftliche Tätigkeiten und sichert das optimale Funktionieren der Behörden. Wie kann sichergestellt werden, dass die Gesetzgebung die gebotene Qualität aufweist? Der 7. Kongress der European Association of Legislation ging unter dem Titel "Der lernende Gesetzgeber" auf diese Frage ein. Die Kongressbeiträge zeigen aus praktischer und wissenschaftlicher Perspektive auf, welche Maßnahmen getroffen werden oder getroffen werden können, um die Qualität der Gesetzgebung zu verbessern. Sie gehen dabei auf die Situation in einzelnen Ländern ein und berücksichtigen auch Bestrebungen auf internationaler, insbesondere europäischer Ebene. Gute Gesetzgebung setzt namentlich voraus, dass der Gesetzgeber lernbereit und -lernfähig ist. Deshalb kommt dem Gesetzgebungsverfahren und der Ausbildung für die legistische Arbeit besondere Bedeutung zu. Die Beiträge machen deutlich, welche Fortschritte in diesem Bereich in den letzten Jahren erzielt worden sind und welche Lücken und Mängel nach wie vor bestehen. Sie liefern wichtige Grundlagen für Wissenschafter, Praktiker und Politiker, die sich für eine qualitativ gute Gesetzgebung einsetzen.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,029 | 0,005 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,002 |
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 ».