MétaCan
Menu
Retour à la cohorte
Enregistrement W3097245251 · doi:10.5040/9781509931842

Artificial Intelligence and the Legal Profession

2020· book· en· W3097245251 sur OpenAlexaboutno aff
Michael Legg, Felicity Bell

Notice bibliographique

RevueHart Publishing eBooks · 2020
Typebook
Langueen
DomaineSocial Sciences
ThématiqueArtificial Intelligence in Law
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegal professionLegal serviceChinaWork (physics)Political sciencePractice of lawLawService (business)Engineering ethicsEngineeringEconomyEconomics

Résumé

récupéré en direct d'OpenAlex

How are new technologies changing the practice of law? With examples and explanations drawn from the UK, US, Canada, Australia and other common law countries, as well as from China and Europe, this book considers the opportunities and implications for lawyers as artificial intelligence systems become commonplace in legal service delivery. It examines what lawyers do in the practice of law and where AI will impact this work. It also explains the important continuing role of the lawyer in an AI world. This book is divided into three parts: Part A provides an accessible explanation of AI, including diagrams, and contrasts this with the role and work of lawyers. Part B focuses on six different aspects of legal work (litigation, transactional, dispute resolution, regulation and compliance, criminal law, and legal advice and strategy) where AI is making a considerable impact and looks at how this is occurring. Part C discusses

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0050,023
Communication savante0,0120,008
Science ouverte0,0010,003
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,004

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 Opus0,094
Tête enseignante GPT0,331
Écart entre enseignants0,238 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHart Publishing eBooksMême sujetArtificial Intelligence in LawTravaux en français237 207