MétaCan
Menu
Retour à la cohorte
Enregistrement W2808252237

Towards and Explicit Balancing Inquiry - R.A.V. and Black through the Lens of Foreign Freedom of Expression Jurisprudence

2007· article· en· W2808252237 sur OpenAlexaboutno aff
Matthew S. Melamed

Notice bibliographique

RevueHastings law journal · 2007
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Law and Human Rights
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJurisprudenceFreedom of expressionThrough-the-lens meteringExpression (computer science)Lens (geology)LawPolitical scienceComputer scienceHuman rightsPhysicsOptics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this Note, the author considers the Supreme Court's recent First Amendment jurisprudence-in particular R.A.V. v. City of St. Paul and Virginia v. Black, two cases concerning legislative attempts to criminalize cross-burning-through the eyes of foreign freedom of speech jurisprudence. He argues that the freedom of speech adjudicative models provided by the European Court of Human Rights and the Canadian Constitutional Court not only suggest a clearer mode of First Amendment adjudication, but may also enable us to more clearly understand the nature of the emergent case-by-case balancing jurisprudence implicitly present in both R.A.V. and Black.\nPart I of the Note briefly considers how, despite its textual clarity and unequivocal command, First Amendment fundamentalism has been rejected by the Supreme Court. Part II introduces the motivation and means by which the European Court of Human Rights and the Canadian Constitutional Court adopted and utilize case-by-case balancing tests in freedom of expression adjudication. Part III examines R.A.V. and Black, revealing the extent to which such case-by-case analysis already informs modern First Amendment jurisprudence. Finally, in Part IV the author proposes a case-by-case First Amendment balancing test informed by precedent and foreign adjudicative models, and responds to several anticipated objections to such a test.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,144
Score d'incertitude au seuil0,359

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,037
Tête enseignante GPT0,249
Écart entre enseignants0,212 · 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 tête enseignante, 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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHastings law journalMême sujetCorporate Law and Human RightsTravaux en français237 207