MétaCan
Menu
Retour à la cohorte
Enregistrement W2944267179

Hydraulic Fracturing Litigation: The Case of Jessica Ernst & the Problem of Factual Causation

2018· article· en· W2944267179 sur OpenAlexaboutno aff
Oliver Hutchinson

Notice bibliographique

RevueCanada-United States law journal · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCausationHydraulic fracturingPhilosophyEngineeringEpistemologyPetroleum engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Modem hydraulic fracturing technology and horizontal drilling have made it possible and profitable for oil and gas companies to extract natural gas from underground shale and coal formations that would otherwise be inaccessible. Horizontal drilling, in particular, has enabled oil and gas companies to turn under-producing reservoirs into profitable extractive sites. However, despite its technological achievements and economic efficiencies, hydraulic fracturing is not without controversy. One of the main concerns is the potential for groundwater contamination. While experts disagree, the preponderance of evidence suggests that hydraulic fracturing can and has resulted in the unintended toxic contamination of nearby groundwater sources. In the United States, hydraulic fracturing litigation is on the rise, and numerous lawsuits have been filed by landowners against oil and gas companies and regulatory agencies in negligence, nuisance, trespass and the rule in Rylands v. Fletcher for the alleged contamination of their groundwater. In Canada, only one such lawsuit has been filed: Ernst v. EnCana Corp. Common law remedies have proved to be unattainable for most plaintiffs in these cases. The uncertain underground geological consequences of hydraulic fracturing make establishing factual causation a significant legal hurdle. A strict regulatory system that imposes a presumption of liability on oil and gas developers is necessary to encourage safe extractive practices and protect the legal interests of landowners.

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)0,005
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: aucune
Score de désaccord entre enseignants0,608
Score d'incertitude au seuil0,779

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0220,014
Communication savante0,0050,003
Science ouverte0,0020,003
Intégrité de la recherche0,0200,015
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,039
Tête enseignante GPT0,367
Écart entre enseignants0,328 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanada-United States law journalMême sujetMedical Malpractice and Liability IssuesTravaux en français237 207