MétaCan
Menu
Retour à la cohorte
Enregistrement W3119284486 · doi:10.5040/9781509934782.ch-008

Revisiting Injurious Falsehood

2021· book-chapter· en· W3119284486 sur OpenAlexaffabout
Hilary Young

Notice bibliographique

RevueHart Publishing eBooks · 2021
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueLegal principles and applications
Établissements canadiensUniversity of FrederictonUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésGeography

Résumé

récupéré en direct d'OpenAlex

This article examines the tort of injurious falsehood. While the focus is on Canadian law, much of the analysis will reflect the law in other common law jurisdictions. There is uncertainty with regard to several elements of injurious falsehood. The article considers how to resolve confusion over the meaning of some of those elements, and what the scope of the tort should be in light of modern realities, including the importance of freedom of expression, the role of corporations in 21st century society and the existence of other torts addressing false statements of fact. The chapter also describes the results of a small empirical study of injurious falsehood, which shows that while the tort is not pleaded as often as defamation, defamation has not effectively eclipsed the tort of injurious falsehood. Ultimately, this chapter argues that there remains a role for injurious falsehood, but that it is rightly a narrow one. So long as defamation remains as plaintiff-friendly as it currently is, many cases best thought of conceptually as injurious falsehood will be pleaded as defamation. That is the result of a problem with the scope of defamation law, which in my view should not apply to protect corporate reputation, rather than a problem with the law of injurious falsehood. Further discussion of the scope of Canadian defamation law is beyond the scope of this chapter. Rather, it will focus on clarification and minor changes that ought to be made to the law of injurious falsehood to ensure it achieves the goals it is intended to.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0040,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,048
Tête enseignante GPT0,293
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHart Publishing eBooksMême sujetLegal principles and applicationsTravaux en français237 207