MétaCan
Menu
Retour à la cohorte
Enregistrement W2521174906 · doi:10.1515/ajle-2016-0015

Assessing Personal Injury Liabilities in China from National to Provincial Level: An International Comparative Analysis

2016· article· en· W2521174906 sur OpenAlexaff
Felix W.H. Chan, Wai‐Sum Chan, Johnny S.-H. Li

Notice bibliographique

RevueAsian Journal of Law and Economics · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal principles and applications
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésTortPersonal injuryDamagesConvergence (economics)Mainland ChinaCivil law (Civil law)ChinaCompensation (psychology)LawCommon lawPolitical scienceComparative lawDelictEconomicsLaw and economicsLiabilityPublic lawPrivate lawBlack letter lawPsychologyMacroeconomics

Résumé

récupéré en direct d'OpenAlex

Abstract In a tort-based legal system, when a party is injured as a consequence of another party’s negligence, the party should be provided with sufficient compensation so that he or she may live as fulfilling a life as possible after the injury. The moral objective underlying this supposition is intuitively appealing. It is not surprising, therefore, that this jurisprudential notion is favourably regarded and widely applied in various common law and civilian jurisdictions, despite differences in tradition and culture. Nonetheless, although the two bodies of law share a similar objective in this respect, there are a number of differences in the substantive content of the law and the configuration of the rules. The present authors argue, and provide empirical evidence to support, that there are signs of convergence as both legal systems are in fact applying the same multiplicand-multiplier approach in assessing the quantum of damages. Case studies in mainland China (concerning civil law) and in the United Kingdom and Hong Kong (regarding common law) are adopted as the research methodology to explore the broader implications of this convergence.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,396
Score d'incertitude au seuil0,787

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0070,011
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,068
Tête enseignante GPT0,368
Écart entre enseignants0,300 · 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'étudeObservationnel
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'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Journal of Law and EconomicsMême sujetLegal principles and applicationsTravaux en français237 207