MétaCan
Menu
Retour à la cohorte
Enregistrement W2765188031 · doi:10.60082/2817-5069.3184

The Shifting Frontiers of Law: Access to Justice and Underemployment in the Legal Profession

2017· article· en· W2765188031 sur OpenAlexvenueno aff
Nandini Ramanujam, Alexander Agnello

Notice bibliographique

RevueOsgoode Hall law journal · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Education and Practice Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegal professionEconomic JusticeUnderemploymentWork (physics)Legal servicePractice of lawLegislatureLawPolitical scienceLegal researchLegal ethicsLegal realismPublic relationsSociologyLaw and economicsBusinessEconomicsUnemploymentEngineeringEconomic growth

Résumé

récupéré en direct d'OpenAlex

The article examines two interrelated issues attracting attention from the legal academy, the profession, and policy makers: i) the crisis of access to justice among ordinary Canadians, and ii) the increasing number of qualified and underemployed lawyers. This article sets out to understand the interrelated factors underlying these two trends, and explores long-term, accessible solutions to address the misalignment between the supply of underemployed law graduates and a demand for affordable legal services. In response to these twin problems, we examine how legislative reform, open source networks, and the automation of legal work can allow lawyers to create more cost-effective delivery mechanisms for legal services, while allowing clients to choose, and work with, lawyers in a more informed manner. While the alternatives we explore are a radical shift from the traditional methods of the legal profession, they are in line with emerging technological realities, and are realistic market solutions to the access to justice problem. To conclude, we focus on the legal academy’s important role in motivating budding lawyers to think critically about how the legal profession, as a social institution, can be ameliorated to ensure that claims for justice do not fall outside of its purview.

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)0,003
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,711
Score d'incertitude au seuil0,575

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0140,026
Communication savante0,0090,008
Science ouverte0,0010,010
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,110
Tête enseignante GPT0,456
Écart entre enseignants0,346 · 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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOsgoode Hall law journalMême sujetLegal Education and Practice InnovationsTravaux en français237 207