MétaCan
Menu
Retour à la cohorte
Enregistrement W2565501628 · doi:10.5539/jpl.v10n1p1

Comparative Study of Hire-purchase in Iran and English Common Law

2016· article· en· W2565501628 sur OpenAlexvenueno aff
Mehdi Motalebi, Hassan Khosravi

Notice bibliographique

RevueJournal of Politics and Law · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal principles and applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCreditorBusinessPossession (linguistics)PaymentLawCommon lawEnglish lawDebtFinancePolitical science

Résumé

récupéré en direct d'OpenAlex

Hire-purchase is a mutual interest contract. Regarding its commutative nature, exchangeable items that are against each other are exchanged in contracting process, so if contract is null or is canceled for any reason according to the contract terms, in the way that transferring possession is impossible, relevant actions will be based on the contract if funds entitled monthly installments are determined in. Therefore, the current paper aims to comparatively study hire-purchase in Iranian and common law. Analytical-descriptive method is applied in the paper. The findings indicate the difference between hire-purchase in Iran and common law is that contract for common law is just utilized for movable properties; while in Iran law it is utilized for both movable and immovable properties. In England law, hire purchase is a specified contract. According to the England hire purchase law and consumer credit law in 1974, hire purchase is a contract in which leased goods are transferred from creditor to the credit receiver instead of using periodic payment. It happens only when the credit receiver fulfills the contract terms. In other words the hire purchase contract used in England law is a hire contract with tenants’ rights of possession, while it has not been explained in the Iranian law.

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)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,054
Tête enseignante GPT0,365
Écart entre enseignants0,311 · 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'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 revueJournal of Politics and LawMême sujetLegal principles and applicationsTravaux en français237 207