MétaCan
Menu
Retour à la cohorte
Enregistrement W2615500915 · doi:10.1177/0920203x16674193

Advancements and controversies in China’s recent sentencing reforms

2016· article· en· W2615500915 sur OpenAlexaff
Zhiqiu Lin

Notice bibliographique

RevueChina Information · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésChinaSentencing guidelinesPolitical scienceCriminal justiceDiscretionPoliticsSupreme courtLawContext (archaeology)Judicial discretionTransparency (behavior)Guard (computer science)CriminologyProportionality (law)SociologyJudicial reviewSentence

Résumé

récupéré en direct d'OpenAlex

This article discusses in detail the content and context of China’s recent sentencing reform and its social, political, and criminal justice implications, as well as its limitations. The focus of China’s criminal justice reforms over the past 37 years has been predominantly on the trial process; the sentencing process has been largely neglected. Revelations of widespread sentencing inconsistency led the Supreme People’s Court (SPC) to initiate sentencing reform in 2005. The intent of the reform was to promote transparency in the sentencing process, ensure consistency in sentencing dispositions, and guard against inappropriate judicial leniency and severity via new sentencing procedural rules and guidelines limiting judges’ sentencing discretion. In addition to discussing the new sentencing procedures and guidelines, this article also examines some hotly debated issues, including whether China’s sentencing process should be completely separate from the trial process; the meaning of ‘sentencing consistency’ in the context of China’s social and political development; and China’s unique sentencing principles in comparison with the practice of some English-speaking jurisdictions.

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)0,024
score de la tête « metaresearch » (Gemma)0,027
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 enseignants0,144
Score d'incertitude au seuil0,286

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,027
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0070,007
Communication savante0,0060,004
Science ouverte0,0030,003
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,269
Écart entre enseignants0,260 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChina InformationMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207