MétaCan
Menu
Retour à la cohorte
Enregistrement W3037946181 · doi:10.1162/desi_a_00602

Airlines, Mayonnaise, and Justice: Reflections on the Theory and Practice of Legal Design and Technology

2020· article· en· W3037946181 sur OpenAlexaff
Gordon D. Ross

Notice bibliographique

RevueDesign Issues · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLaw in Society and Culture
Établissements canadiensAdvantage Forensics (Canada)Public Works and Government Services Canada
Organismes subventionnairesnon disponible
Mots-clésInstrumentalismCognitive reframingEconomic JusticeAnticipation (artificial intelligence)Engineering ethicsSociologyGovernment (linguistics)EpistemologyPolitical scienceManagement scienceLawEngineeringComputer sciencePsychologySocial psychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Design theory and practice are increasingly prevalent in legal and justice systems, at times reframing the relationship between the law and the world it seeks to make just. This article presents my professional experiences introducing design theory, methods, and mindsets into legal and government contexts, highlighting challenges and tensions across various legal design projects. Challenges include the justice sector's struggles dealing with complexity, the unfamiliar logics of design and abductive reasoning, and the legacy of positivist and instrumentalist philosophies. As a response, I propose a legal design that incorporates phronesis and re-orients around anticipation, rather than prediction.

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)0,024
score de la tête « metaresearch » (Gemma)0,018
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: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0150,088
Communication savante0,0150,014
Science ouverte0,0020,007
Intégrité de la recherche0,0060,008
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,087
Tête enseignante GPT0,387
Écart entre enseignants0,300 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDesign IssuesMême sujetLaw in Society and CultureTravaux en français237 207