MétaCan
Menu
Retour à la cohorte
Enregistrement W2948412693 · doi:10.22329/wyaj.v35i0.5784

L’accès à la justice en contexte numérique : l’information juridique par et pour les justiciables sur les médias sociaux

2018· article· fr· W2948412693 sur OpenAlexaffvenueabout
Alexandra Bahary-Dionne

Notice bibliographique

RevueWindsor Yearbook of Access to Justice · 2018
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueLegal Education and Practice Innovations
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Au Québec et au Canada, l’accès à la justice est une préoccupation croissante pour les milieux juridique, politique et universitaire. L’inaccessibilité financière des services juridiques engendre plusieurs problèmes pour un nombre important de justiciables, tout comme l’inaccessibilité cognitive de l’univers juridique. C’est dans ce contexte que les technologies de l’information et de la communication [TIC] occupent une place importante dans les discussions sur les manières de rendre la justice plus accessible. Elles auraient notamment le potentiel de fournir des ressources plus intelligibles et accessibles aux justiciables. Les médias sociaux en particulier pourraient démocratiser l’information juridique dans la mesure où ils sont faciles d’utilisation, rassemblent une diversité de contenus et sont de plus en plus ancrés dans les activités quotidiennes. Malgré l’intérêt que suscitent ces plateformes sur le plan de l’accès à la justice, leurs usages relatifs à l’information juridique restent à explorer pour la recherche en droit. Le présent article s’intéresse à ces plateformes, et en particulier au média social Facebook, qui a pour particularité de mettre en scène des internautes qui sont à la fois créateurs, récepteurs et relayeurs de contenus d’information juridique. Nous proposons finalement une typologie utile à la recherche sur le thème du droit et des médias sociaux.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,867
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,011
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 savante0,0010,007
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,104
Tête enseignante GPT0,409
Écart entre enseignants0,305 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations2
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWindsor Yearbook of Access to JusticeMême sujetLegal Education and Practice InnovationsTravaux en français237 207