Notice bibliographique
Résumé
Justice Marc Rosenberg will be remembered as one of Canada’s greatest criminal law jurists by those fortunate enough to have worked with him, to have appeared before him, and now, by those who study and rely on his jurisprudence. He was a jurist who cared deeply about the fairness of the criminal justice system and he strived in every decision to arrive at a just result on the law and the facts. Many of Justice Rosenberg’s judgments reflect a concern for the constant struggle of triers of fact to accurately and fairly assess the credibility and reliability of evidence in determining historical events whether it be the testimony of the accused or central Crown witness. This piece explores three decisions from Justice Rosenberg which highlight the different ways in which stereotyping can distort the assessment of credibility and reliability in sexual assault cases: R v. Levert, R v. Rand and, R v. Stark. An important aspect of ensuring accuracy and fairness for Justice Rosenberg was the need to carefully regulate inductive reasoning: the engine that drives judicial reasoning and, ultimately, fact finding. The tools used for inductive reasoning include the decision maker’s or the law’s application of what it sees as common sense, logic and human experience. As an endeavour that explicitly relies on so-called common sense and generalizations about human experience, which shift with time, inductive reasoning can be highly subjective and can easily become a breeding ground for implicit bias, discriminatory stereotyping and unreliable decision-making.
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 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 | 0,004 | 0,002 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».