MétaCan
Menu
Retour à la cohorte
Enregistrement W2746962432

Climate-Proofing Judicial Review after Paris: Judicial Competency, Capacity, and Courage

2017· article· en· W2746962432 sur OpenAlexaffabout
Jason MacLean, Chris Tollefson

Notice bibliographique

RevueSSRN Electronic Journal · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental law and policy
Établissements canadiensUniversity of VictoriaUniversity of SaskatchewanUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésJudicial reviewContext (archaeology)Political scienceStatutory lawSustainabilityJudicial activismJudicial discretionClimate changeEnvironmental lawJudicial opinionLaw and economicsLawPublic administrationSociology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We attempt to unpack the concerns at the core of categorical judicial deference toward government and administrative agency environmental assessments (EAs) and project decisions in Canada. These concerns vary by decision-maker and statutory context, and while sometimes made explicit, they are often left unarticulated and unexamined. We demonstrate that that while categorically deferential judicial review of EAs is a significant obstacle to Canada meeting its climate change mitigation and sustainability commitments, particularly when based on especially broad statutory language, Canadian courts are nonetheless capable of overcoming them. Ultimately, we argue that robust judicial review of EAs having climate change and sustainability implications can play an important role both in helping Canada move toward its climate and sustainability targets, and ultimately in diminishing the frequency with which EAs are litigated on judicial review. Indeed, we argue that a robust judicial review regime is a critical precondition of timely and efficient EA processes, and that such timeliness and efficiency will become increasingly important in the context of charting legal pathways to deep decarbonization and scalable renewable energy generation pursuant to the Paris Agreement and the UN’s Sustainable Development Goals.

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)0,062
score de la tête « metaresearch » (Gemma)0,176
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 enseignants0,283
Score d'incertitude au seuil0,564

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0620,176
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0220,023
Communication savante0,0220,008
Science ouverte0,0050,007
Intégrité de la recherche0,0170,017
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,014
Tête enseignante GPT0,298
Écart entre enseignants0,284 · 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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetEnvironmental law and policyTravaux en français237 207