MétaCan
Menu
Retour à la cohorte
Enregistrement W2910905312 · doi:10.22215/etd/2014-10207

The Lawfulness-Lawlessness Continuum: Interpersonal Dynamics in Conflict Resolution Processes

2014· dissertation· en· W2910905312 sur OpenAlexaff
Rosemary Parker

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueArtificial Intelligence in Law
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésLawlessnessAdjudicationConflict resolutionPolitical scienceMediationDispute resolutionNegotiationLawLaw and economicsSociologyPolitics

Résumé

récupéré en direct d'OpenAlex

The ways in which citizens behave, interact, and plan for the future have cumulative significance for the nature and future of society. This project proposes an analytical device (the lawfulness and lawlessness continuum) to describe the types of behaviours and decision-making that individuals use when participating in adjudication, mediation, and other conflict resolution processes. Lawfulness is a dynamic that is cyclical, orderly, and restrained. I suggest that it can be used to analyze the types of interactions between citizens that are associated with law and adjudication. Lawlessness is a dynamic that is emergent, adaptive, and responsive; it may manifest more often in moments between individuals who are using mediation to resolve their conflicts. Interactions between citizens are likely to involve a combination of lawfulness and lawlessness, along the continuum that lies between them. This analytical model offers a lens through which these nuances of citizen interactions can be analyzed. I would like to thank my supervisor, Neil Sargent, for his enthusiasm and support for this project; his unique ability to help an idea to grow, deepen, and flourish has been invaluable to me. Thank you also to Sheryl Hamilton, my second reader, whose openmindedness, honesty, and perspective helped to bring the project to the next level. The faculty and staff of the Law and Legal Studies Department at Carleton have been very supportive throughout this process

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,031
Tête enseignante GPT0,359
Écart entre enseignants0,327 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetArtificial Intelligence in LawTravaux en français237 207