MétaCan
Menu
Retour à la cohorte
Enregistrement W2530013195 · doi:10.1177/2322005816662375

Understanding University Pro Bono

2016· article· en· W2530013195 sur OpenAlexaboutno aff
Balawyn Jones, William Lee, R. G. Morrison

Notice bibliographique

RevueAsian Journal of Legal Education · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Education and Practice Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Political scienceSustainabilitySubject (documents)Public relationsBusinessPublic administrationLibrary scienceGeography

Résumé

récupéré en direct d'OpenAlex

This article develops an approach to establishing university pro bono (UPB) programmes in developing legal jurisdictions. First, through comparative research and surveying of pro bono programmes in the United Kingdom, Australia and Canada, factors which affect the development of UPB programmes are identified. Second, the authors explore the applicability of different pro bono programme structures and project types, given available resources, supervisory capacity and student participation in the context of developing legal jurisdictions. It was found that limited financial resources or internal or external managerial support does not in itself prohibit the establishment, development or sustainability of UPB programmes. Instead, it simply influences the choice of programme structure and types of projects which can be successfully undertaken. In conclusion, the article advocates for a context appropriate ‘adaptation’ of UPB programme structures and projects as opposed to direct transplantation. Pro bono culture, perceptions of student capability and local context are all key factors which will affect the development of UPB and the types of projects that can be undertaken. Subject to these factors, it was found that legal research and community legal education projects are generally the most appropriate types of projects to run where resources are limited.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,967
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,125
Tête enseignante GPT0,368
Écart entre enseignants0,243 · 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 tête enseignante, 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Journal of Legal EducationMême sujetLegal Education and Practice InnovationsTravaux en français237 207