MULTIPLE REASONABLE BEHAVIORS CASES: THE PROBLEM OF CAUSAL UNDERDETERMINATION IN TORT LAW
Notice bibliographique
Résumé
ABSTRACT This article introduces a significant yet largely overlooked problem in the law of torts: causal underdetermination. This problem occurs when the causal inquiry of a but-for test produces not one but two results, which are contradictory. According to the first, the negligent defendant is the likely cause of the plaintiff's injury, whereas according to the second, she is not. The article explains why causal underdetermination has escaped the radar of tort scholars and is perceived by courts as lack of causation. It demonstrates that the current practice in cases of causal underdetermination might lead to erroneous decisions, absolving negligent defendants of tort liability even when the evidence suggests that they are in fact the likely cause of the plaintiff's injury. This, in turn, the article asserts, may not only lead to underdeterrence among potential defendants, but also encourage manipulative litigation strategy to escape liability in retrospect. The article then proposes solutions that contend with causal underdetermination and resolve the difficulties that the current practice entails.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,074 | 0,217 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,042 |
| Communication savante | 0,008 | 0,015 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,017 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».