MétaCan
Menu
Retour à la cohorte
Enregistrement W2890043845 · doi:10.11575/prism/32768

An Evaluation of the Cost of Family Law Disputes: Measuring the Cost Implication of Various Dispute Resolution Methods

2017· article· en· W2890043845 sur OpenAlexfundno aff
J.-P. E. Boyd, J.J. Paetsch, L.D. Bertrand

Notice bibliographique

RevuePRISM (University of Calgary) · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Systems and Judicial Processes
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésDispute resolutionLawLaw and economicsEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

This study describes the results of a survey of family law lawyers and their views of the use of collaborative processes, mediation, arbitration and litigation in family law disputes. The study provides valuable insights into the costs of these processes, how long cases take to resolve, and lawyers' perceptions of their efficacy. It suggests that most lawyers are using, and prefer to use, dispute resolution processes other than litigation to resolve family law disputes. Four-fifths of respondents use mediation, almost two-thirds use collaboration, and almost one-third use arbitration. Moreover, almost all lawyers surveyed agree that people should attempt to resolve their dispute through another process before litigating, and almost three-quarters agree that, except in urgent circumstances, people should be required to attempt to resolve their dispute through another process before litigating. Three-quarters of lawyers also agreed that litigation should only be used as a last resort, when other dispute resolution processes have failed. In light of today's straitened budgetary resources, the findings from this study provide information that is useful for policymakers and program developers in identifying best practices in cost-effective dispute resolution methods.

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)0,054
score de la tête « metaresearch » (Gemma)0,292
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,285

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0540,292
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,003
Études des sciences et des technologies0,0020,002
Communication savante0,0030,004
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
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 Opus0,072
Tête enseignante GPT0,346
Écart entre enseignants0,274 · 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'étudeObservationnel
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePRISM (University of Calgary)Même sujetLegal Systems and Judicial ProcessesTravaux en français237 207