MétaCan
Menu
Retour à la cohorte
Enregistrement W2982381464

Investing in Justice: A Literature Review in Support of the Case for Improved Access

2019· review· en· W2982381464 sur OpenAlexaff
Lisa Moore, Trevor C. W. Farrow

Notice bibliographique

RevueeYLS (Yale Law School) · 2019
Typereview
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensYork UniversityCanadian Forum on Civil Justice
Organismes subventionnairesnon disponible
Mots-clésEconomic JusticeInvestment (military)Return on investmentSocial justiceBusinessPolitical sciencePublic economicsPublic relationsEconomicsLawLaw and economicsProduction (economics)Politics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The focus of this report is return on investment (ROI) and social return on investment (SROI) research in justice.\nThere is a growing access to justice crisis around the world. Notwithstanding the prevalence of legal problems in everyday life, people do not have adequate access to the justice information, resources and mechanisms that they need to navigate the complexities of law. This gap in access to justice negatively impacts everyone. It also comes with significant costs – to individuals and societies.\nComplicating this global crisis is a lack of understanding of the nature, extent, costs and potential solutions of and for the access to justice problem.\nIn this report, we examine research on return on investment and social return on investment in justice, two particularly promising areas of study that offer insights on the monetary and non-monetary benefits to individuals, investors and the state of making justice more accessible.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,117
Tête enseignante GPT0,355
Écart entre enseignants0,238 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeYLS (Yale Law School)Même sujetCommunity Development and Social ImpactTravaux en français237 207