MétaCan
Menu
Retour à la cohorte
Enregistrement W2993204812

The King of the CASL: Canada’s Anti-Spam Law Invades the United States

2019· article· en· W2993204812 sur OpenAlexaboutno aff
Arthur Shaykevich

Notice bibliographique

RevueBrooklyn law review · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpam and Phishing Detection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLawPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

U.S. businesses periodically adjust their marketing practices to foreign law innovations. Several years ago, U.S. businesses emailing into Canada had to incorporate Canada’s Anti-Spam Law, otherwise known as CASL. Businesses that believed they email only U.S.-based customers likely dismissed CASL as not applicable. Others may never have heard of the law altogether. As this note discusses, CASL created a compliance conundrum for U.S. businesses. Since CASL methodically differs from the U.S. anti-spam law, CAN-SPAM, it may be in a business’s best interest to apply this law to its Canadian subset and not to the entire email population. Neither the law itself nor the regulatory agency, ISED, however, provides specified directives of data segmentation to discern a U.S. resident from a Canadian resident. Surely, generic domain extensions like “.com” do not point to a location on a map. Hence, even those businesses that comply with CASL for a subset of their email base are unlikely to achieve a one hundred percent compliance rate. This note shows how easy it is for a U.S. business, without realizing, to email into Canada. CASL's current low rate of enforcement and the pause of a private right of action mask the reality that without a viable foreign sender exemption, U.S. businesses may face legal risk. As Canada's government commenced CASL review, this note proposes a foreign sender exemption and beseeches Canada to create such an exemption prior to the reactivation of a private right of action.

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)0,004
score de la tête « metaresearch » (Gemma)0,017
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,596

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0200,006
Communication savante0,0130,003
Science ouverte0,0020,002
Intégrité de la recherche0,0090,008
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,017
Tête enseignante GPT0,228
Écart entre enseignants0,212 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrooklyn law reviewMême sujetSpam and Phishing DetectionTravaux en français237 207