MétaCan
Menu
Retour à la cohorte
Enregistrement W307672313

More Access to Less Justice: Efficiency, Proportionality and Costs in Canadian Civil Justice Reform

2007· article· en· W307672313 sur OpenAlexaboutno aff
Colleen M. Hanycz

Notice bibliographique

RevueSSRN Electronic Journal · 2007
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomic JusticeInterimCivil procedureProportionality (law)Adversarial systemPolitical scienceDispute resolutionLaw reformProcedural justiceLaw and economicsPublic administrationEconomicsPublic economicsBusinessLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper critically examines the intersections between access to justice and efficiency reforms in civil justice policy. To achieve just ends, legal processes must strike an appropriate balance between efficiency of inputs and accuracy of outputs. Recent history in Canada, England and elsewhere reveals civil justice reform agendas dominated by streamlined procedures intended to deliver speedier and less costly dispute resolution. Responding to rapidly rising legal costs and delays, policymakers have come to equate less process with greater access. While empirical studies confirm that these reforms have created more efficient disputing frameworks and happier disputants, there has been scant data gathered to measure the other impacts of such reforms. In particular, how have these tapered procedures impacted on the ability of our adversarial model to deliver accurate, legally correct outcomes? By examining one such efficiency reform in Canada - that of interim/advance costs awards - we can see the potential danger resulting from reducing procedural safeguards without considering substantive impacts. It seems clear that efficiency reforms are bringing greater access, but what of greater justice?

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)0,007
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,836
Score d'incertitude au seuil0,970

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,036
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0090,024
Communication savante0,0110,007
Science ouverte0,0020,005
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

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 Opus0,025
Tête enseignante GPT0,269
Écart entre enseignants0,244 · 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'étudeSans objet
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

Citations12
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207