Notice bibliographique
Résumé
Social science evidence is the “new normal” in Charter litigation in Canada. Yet, the road is not smooth for the use of social science evidence in courts. How to effectively use such evidence remains an under-studied area. This paper explores the dynamics, strategies, and best practices associated with ad- ducing such evidence, using a qualitative, comparative perspective and examining cases from Canada, the United States, and South Africa. The paper argues that there are clear lessons emerging, in Canada and elsewhere, for how to effectively use social science evidence in constitutional cases. By analyzing scholarship and case studies in this area, the paper unpacks some of the dynamics and strategies at play for using social science evidence in courts. It puts forward five lessons, explaining that counsel who wish to harness social science evidence in Charter litigation should: (1) employ a group approach to constitutional litigation that brings together affected persons, community organizations, academics, and other experts; (2) present social science evidence early on in litigation and with the most reliable experts available; (3) ensure that social science evidence will withstand scrutiny under the applicable rules of evidence; (4) consider alternative strategies where social science evidence is weak, contested, or complex; and (5) prepare for a future where the importance of social science evidence in Charter cases increases.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,075 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,025 | 0,069 |
| Communication savante | 0,022 | 0,018 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».