MétaCan
Menu
Retour à la cohorte
Enregistrement W2887570016 · doi:10.1177/1365712718787523

Social science and humanities evidence in <i>Charter</i> litigation

2018· article· en· W2887570016 sur OpenAlexafffundabout
Jocelyn Downie

Notice bibliographique

RevueThe International Journal of Evidence & Proof · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensDalhousie University
Organismes subventionnairesPierre Elliott Trudeau Foundation
Mots-clésCharterSociologyHumanitiesPolitical scienceDigital humanitiesLawArt

Résumé

récupéré en direct d'OpenAlex

Carter v Canada (Attorney General) is a Canadian case that famously struck down the Canadian Criminal Code prohibitions on euthanasia and assisted suicide (now known collectively as medical assistance in dying or MAiD). The most significant issue in the Carter case was that of the status of MAiD. However, this case is also interesting to explore in relation to the issue of the use of expert evidence from social science and humanities researchers. In this paper, I offer reflections as an academic trained in philosophy and law but not expert in the use of social science and humanities evidence in litigation. As someone who was inside the litigation but outside the generation of the evidence, I seek to bring a perspective that may be useful to practitioners who might be thinking about working with academics and academics who might be thinking about getting involved in constitutional litigation that relates to their field of study.

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)0,044
score de la tête « metaresearch » (Gemma)0,100
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,466
Score d'incertitude au seuil0,926

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0440,100
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0290,043
Communication savante0,0220,011
Science ouverte0,0030,006
Intégrité de la recherche0,0200,017
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,347
Tête enseignante GPT0,523
Écart entre enseignants0,176 · 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'étudeQualitatif
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

Citations2
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Evidence & ProofMême sujetMedical Malpractice and Liability IssuesTravaux en français237 207