MétaCan
Menu
Retour à la cohorte
Enregistrement W2592939927

Realizing the Precautionary Principle in Due Diligence

2015· article· en· W2592939927 sur OpenAlexaff
Ling Chen

Notice bibliographique

RevueeYLS (Yale Law School) · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental law and policy
Établissements canadiensCentre for International Governance Innovation
Organismes subventionnairesnon disponible
Mots-clésPrecautionary principleDue diligenceAdvisory opinionHarmObligationNormativeLawDiligenceInternational lawBusinessEnvironmental lawLaw and economicsPolitical sciencePublic international lawEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The precautionary principle is a legal principle that has found considerable support in international environmental law. Its emergence, however, has not been without problems and controversies: how do we define its normative content and trigger elements, and how do we ensure concrete implementation. The 2011 Seabed Mining Advisory Opinion used states’ due diligence obligations to prevent harm to realize the precautionary principle. Focusing on this case, this article examines how the precautionary principle can be applied using the concept of due diligence. First, this article explores the precautionary concept using examples from a selection of regional and multilateral environmental instruments, analyzing its origin and different expressions and identifying the problems in its application. Second, the article analyzes the Pulp Mills case and the Seabed Mining Advisory Opinion to substantiate the role of the obligation to take precautionary measures in the legal framework of due diligence. Third, by reference to the International Law Commission’s Draft articles on Prevention of Transboundary Harm from Hazardous Activities and the International Law Association’s study report on the Legal Principles relating to Climate Change, along with a number of international cases, the article further illustrates the distinction between due diligence, prevention and precaution and argues that they are actually interrelated.

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)0,047
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,250

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0470,045
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,069
Communication savante0,0120,015
Science ouverte0,0020,010
Intégrité de la recherche0,0170,017
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,320
Écart entre enseignants0,281 · 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'étudeThéorique ou conceptuel
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

Citations22
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeYLS (Yale Law School)Même sujetEnvironmental law and policyTravaux en français237 207