Resolving Mass Wrongs: A Command-Consensus Perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article explores how contemporary Western society conceptualizes and tries to resolve civil disputes arising from mass wrongs (a term that encompasses, but is broader than, mass torts). After reviewing complexities arising from such wrongs, including asymmetries in the size of parties, differential access to resources and power, and the tendency of at least some mass wrongs to cross political and geographic boundaries, the article sets out a spectrum of resolution options - called the command-consensus model - that are available to the parties.At the left end of the spectrum (the consensus end) are options with the highest degree of participant control and public scrutiny over process and outcome. These include such things as negotiation and boycotting of consumer products. The middle of the spectrum includes options that offer less party control and that usually involve a neutral third party, such as a mediator. Farther to the right are options such as arbitration and adjudication. At the extreme right (the command end) are public inquiries and democratic rule-making through legislation and regulation. These options are highly public and give the parties little individual control over the process or outcome.The spectrum, in fact, is anything but static: there is a significant interplay between its different parts. Using the example of mass wrongs, the article shows how resolutions achieved on one part of the spectrum can influence other parts. The emphasis is on the dynamic nature of the command-consensus model, the importance of being aware of a variety of options and of creative mixing of processes, and the advantages and disadvantages that various approaches can bring to the dispute resolution process.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 découle