MétaCan
Menu
Retour à la cohorte
Enregistrement W3031799248 · doi:10.5539/jpl.v13n2p26

Gaps and Analogies in the Legal Definition of the Lease Facility in Russia

2020· article· en· W3031799248 sur OpenAlexvenueno aff
Viktor А. Mikryukov

Notice bibliographique

RevueJournal of Politics and Law · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal and Policy Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnalogyLeaseRentingLaw and economicsGeneralizationProperty (philosophy)BusinessComputer scienceLawEconomicsPolitical scienceMathematicsEpistemology

Résumé

récupéré en direct d'OpenAlex

The study is relevant, as multi-variant rental relationships are wide-spread, requiring a seamless legal definition of the key elements of the lease design. The aim is to identify and, by analogy, comprehensively develop the legal regime of problematic and atypical leases, thus strengthening the doctrinal basis for filling legal gaps in the practice of applying civil law by analogy. Combined with special technical-legal and comparative-legal methodological tools, the article applied general logical methods of analysis, synthesis, induction, deduction, comparison and generalization. This research is peculiar in that the method of analogy acted simultaneously as a means, and as an object of study. Specific gaps in the legal definition of the list and properties of present and future things and their parts as admissible lease facilities were identified; a practical idea to improve the regulatory structure of the lease arrangement was formulated. The work helps to achieve greater contractual freedom and variability of economic activity, promotes the involvement of a greater number of material goods in the property turnover, at the same time helping to unlock the potential of the analogy method in the legal regulation of economic activity.

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)0,010
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,015
Communication savante0,0060,005
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,062
Tête enseignante GPT0,324
Écart entre enseignants0,262 · 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'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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Politics and LawMême sujetLegal and Policy IssuesTravaux en français237 207