MétaCan
Menu
Retour à la cohorte
Enregistrement W2996392563 · doi:10.1111/cjag.12214

The law and economics of Canada's WTO litigation contesting U.S. country‐of‐origin labeling (COOL)

2019· article· en· W2996392563 sur OpenAlexaffvenueabout
Daniel A. Sumner, Ton Zuijdwijk

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWorld Trade Organization Law
Établissements canadiensCentre for International Governance Innovation
Organismes subventionnairesnon disponible
Mots-clésCausationFraming (construction)International tradeInternational economic lawEconomicsEconomic impact analysisPolitical scienceLawInternational economicsBusinessInternational lawGeographyPublic international law

Résumé

récupéré en direct d'OpenAlex

Abstract We explain the interplay of law and economics in the successful WTO challenge by Canada of U.S. mandatory country‐of‐origin labeling (COOL) measures for beef and pork, which hinged on origin of livestock used in U.S. meat production. Canada mounted a successful legal and economic strategy to convince WTO adjudicating bodies that the United States had violated specific WTO provisions. Canada's economic evidence shows that through costs of segregation the COOL measure harmed the competitive position of Canadian cattle and hogs in the U.S. market. Economic evidence was built into the strategy and cited by the WTO Panels in support of their legal findings that the COOL measure violated U.S. obligations under WTO agreements. Canada was awarded rights to more than one billion Canadian dollars in retaliation and the United States responded by eliminating the offending COOL measure. The COOL case demonstrates how economic and econometric evidence can be used in complex dispute settlement proceedings dealing with technical trade barriers. Economics is especially valuable in the initial stage of framing the effects at issue, in the intermediate stages of documenting empirical causation and in the final stage of litigation, which was to calculate and defend the amount of retaliation.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil0,828

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,012
Tête enseignante GPT0,168
Écart entre enseignants0,156 · 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

Citations8
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetWorld Trade Organization LawTravaux en français237 207