MétaCan
Menu
Retour à la cohorte
Enregistrement W2995648283 · doi:10.1163/17087384-12340039

Liability of Internet Service Providers under Nigerian Law

2019· article· en· W2995648283 sur OpenAlexvenueno aff
Bernard Oluwafemi Jemilohun

Notice bibliographique

RevueAfrican Journal of Legal Studies · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCopyright and Intellectual Property
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLiabilityCyberspaceService providerThe InternetBusinessInternet service providerIntermediaryGovernment (linguistics)LegislatureLawLegal liabilityService (business)Vicarious liabilityTortPolitical scienceFinance

Résumé

récupéré en direct d'OpenAlex

Abstract This paper examines the role of Internet Service Providers as bridges and intermediaries between private persons, organizations even government arms and the Internet and the liabilities placed on them by the law with regard to wrongful acts of their subscribers or clients under the laws of Nigeria. It is common knowledge that actions against ISP s are commonest with defamation and infringement of copyright. The legal framework in theUSand the UKare examined to determine if there are lessons to learn for Nigeria. The Nigerian legal framework also places some responsibilities on ISP s with regard to crime prevention and prosecution. This is because private rights are not yet much of an issue in the Nigerian cyberspace. The paper points out that much of the regulation governing ISP s liability in respect of civil matters do not have legislative power but are mere guidelines and suggests that theUSand UKpatterns have a lot to offer Nigeria.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,227
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,034
Tête enseignante GPT0,242
Écart entre enseignants0,208 · 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
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 revueAfrican Journal of Legal StudiesMême sujetCopyright and Intellectual PropertyTravaux en français237 207