Content Providers’ Secondary Liability: A Social Network Perspective
Notice bibliographique
Résumé
Recent technological developments allow Internet users to disseminate ideas to a large audience. These technological advances empower individuals and promote important social objectives. However, they also create a setting for speech-related torts, harm, and abuse. One legal path to deal with online defamation turns to the liability of online content providers who facilitate the harmful exchanges. The possibility of bringing them to remove defamatory content and collecting damages from them attracted a great deal of attention in scholarly work, court decisions, and regulations. Different countries established different legal regimes. The United States allows an extensive shield—an overall immunity, as it exempts the liability of content providers in speech torts. This policy is not adopted worldwide. The E.U. directive outlines a “notice-and-takedown” safe haven. Other countries, such as Canada, use common tort law practices. This Article criticizes all of these policy models for being either over or under inclusive. This Article makes the case for a context-specific regulatory regime. It identifies specific characteristics of different content providers with their own unique settings, which call for nuanced legal rules that shall provide an optimal liability regime. To that end, the Article sets forth an innovative taxonomy: it relies on sociological studies premised on network theory and analysis, which is neutral to technological advances. This framework distinguishes between different technological settings based on the strength of social ties formed in each context. The Article explains that the strength of such ties influences the social context of online interactions and flow of information. The strength of ties is the best tool for designing different liability regimes; such ties serve as a proxy for the severity of harm that defamatory online speech might cause, and the social norms that might mitigate or exacerbate speech-related harm. The proposed taxonomy makes it possible to apply a sociological analysis to legal policy and to outline modular rules for content providers’ liability at every juncture. This Article does so while taking into account basic principles of tort law, as well as freedom of speech, reputation, fairness, efficiency, and the importance of promoting innovation.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,013 |
| Communication savante | 0,007 | 0,014 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 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 ».