Mitigation, Apology and the Quantification of Non-Pecuniary Damages
Notice bibliographique
Résumé
The law has historically granted damages for some forms of non-pecuniary losses. In doing so, courts have freely admitted that there is imprecision in quantifying such losses and that there is no quantitative and objective calculus on pain and suffering. Against this background, new research on how hedonic losses are experienced by a victim provide an opportunity to review how non-pecuniary losses should be compensated. Some of this research suggests that experiences of anxiety, frustration and suffering may not affect a victim’s happiness as great as is presupposed in current models of compensation, and further, that its impact may also be ameliorated by the offering of an apology. In this essay, the author asks whether the law can incentivize tortfeasors to offer an apology as an element in mitigating compensatory damages for non-pecuniary loss Históricamente, el derecho ha concedido daños y perjuicios para algunas pérdidas no monetarias. Al hacer esto, los tribunales han admitido que existe una imprecisión a la hora de cuantificar estas pérdidas y que no existe un cálculo cuantitativo y objetivo del dolor y el sufrimiento. En este contexto, nuevas investigaciones sobre la experiencia de las víctimas frente a pérdidas hedonísticas ofrecen la oportunidad de revisar cómo se deberían compensar las pérdidas no pecuniarias. Algunas de estas investigaciones sugieren que las experiencias de ansiedad, frustración y sufrimiento pueden no afectar a la felicidad de una víctima tanto como se presupone en los modelos actuales de compensación, y además, su impacto puede mejorar al ofrecer una disculpa. En este ensayo, el autor se pregunta si el derecho puede incentivar a los causantes del daño a ofrecer una disculpa como elemento con el que reducir la indemnización por una pérdida no pecuniaria. DOWNLOAD THIS PAPER FROM SSRN: https://ssrn.com/abstract=3029460
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 | 0,003 | 0,000 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».