The Data-Driven Future of International Economic Law
Notice bibliographique
Résumé
The availability of more data and new ways of analyzing it is changing the way we do empirical legal research. With the help of modern technology we can study adjudicators, awards and agreements in greater numbers, less time and more detail opening the doors for new research questions, theory building and legal technology applications for scholars and practitioners. This introduction to the Journal of International Economic Law Special Issue on new frontiers in empirical legal research provides a first take on this data-driven future. It distinguishes data-driven research from more traditional methods by pointing to (1) its “data first” attitude, (2) its ambition to look at all the available data rather than subsamples thereof and (3) its focus on computing rather than reading or counting. Data-driven research comes with new promises, but also challenges and limitations. While it allows researchers to uncover latent structures, debunk past myths and even forecast the future, it also requires new skills and competencies including an ability to tell patterns from noise in inductive data analysis. We argue that the time is ripe to overcome these challenges and to seize the opportunities of the new data-driven frontier in empirical legal scholarship.
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 | 0,090 | 0,221 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,004 | 0,026 |
| Communication savante | 0,026 | 0,045 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,006 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».