MétaCan
Menu
Retour à la cohorte
Enregistrement W2991149282 · doi:10.29173/mlj912

Bargaining for Expedience: The Overuse of Joint Recommendations on Sentence

2014· article· en· W2991149282 sur OpenAlexaboutno aff
David Ireland

Notice bibliographique

RevueManitoba Law Journal · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSentenceJoint (building)BusinessComputer scienceArtificial intelligenceEngineeringArchitectural engineering

Résumé

récupéré en direct d'OpenAlex

Abstract It is often stated that plea-bargaining is an indispensable part of a fair and efficient criminal justice system. By observing sentencing hearings in the Provincial Court of Manitoba this thesis shows that some form of plea bargaining is involved in a substantial majority of cases. Almost half of these plea bargained matters resulted in joint recommendations on sentence. However, the vast majority of these joint recommendations did not involve a true plea bargain. In this limited study, it was observed that the presiding judge accepted all joint recommendations as presented by counsel. One of the goals of plea bargaining is to arrive at joint recommendations on sentence. Though lawyers on both sides of the courtroom may perceive an advantage to joint recommendations, for the accused these advantages may be illusory. Judges routinely accept joint recommendations despite not being the progeny of true plea bargains involving a quid pro quo. This research suggests that the vast majority of joint recommendations are born of cultural expedience rather than as a result of true plea bargains. These cultural joint recommendations encroach significantly on the judicial function and may erode public confidence in the administration of justice. The continued proliferation of cultural joint recommendations may further entrench a culture of expedience in our criminal justice system and could potentially lead to higher sentences for offenders.

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)0,000
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil0,422

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,071
Tête enseignante GPT0,242
Écart entre enseignants0,171 · 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

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManitoba Law JournalMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207