Incentivized Torts: An Empirical Analysis
Notice bibliographique
Résumé
Courts and scholars assume that group causation theories deter wrongdoers. This Article empirically tests, and rejects, this assumption, using a series of incentivized laboratory experiments. Contrary to common belief and theory, data from over 200 subjects show that group liability can encourage tortious behavior and incentivize individuals to act with as many tortfeasors as possible. We find that subjects can be just as likely to commit a tort under a liability regime as they would be when facing no tort liability. Group liability can also incentivize a tort by making subjects perceive it as fairer to victims and society. These findings are consistent across a series of robustness checks, including both regression analyses and nonparametric tests. We also test courts’ and scholars’ insistence that the but-for test fails in cases subject to group causation. We use a novel experimental design that allows us to test whether, and to what extent, each individual’s decision to engage in a tortious activity is influenced by the decisions of others. Upending conventional belief, we find strong evidence that the but-for test operates in group causation settings (e.g., concurrent causes). Moreover, across our experiments, subjects’ reliance on but-for causation produced the very tort that group liability attempted to discourage. A major function of liability in torts, criminal law, and other areas of the law is to deter actors from engaging in socially undesirable activities. The same is said about doctrines that result in group liability. Our empirical results challenge this basic logic
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 | 0,020 | 0,104 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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.
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 ».