MétaCan
Menu
Retour à la cohorte
Enregistrement W3121400901

Punishment and Permissibility in the Criminal Law

2012· article· en· W3121400901 sur OpenAlexaff
Vincent Chiao

Notice bibliographique

RevueSSRN Electronic Journal · 2012
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFree Will and Agency
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCriminal lawLawPunishment (psychology)LegislationPolitical scienceSupreme courtPunitive damagesLegislatureCriminal procedureDoctrinePsychologySocial psychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The United States Supreme Court has repeatedly insisted that what distinguishes a criminal punishment from a civil penalty is the presence of a punitive legislative intent. Legislative intent has this role, in part, because court and commentators alike conceive of the criminal law as the body of law that administers punishment; and punishment, in turn, is conceived of in intention-sensitive terms. I argue that this understanding of the distinction between civil penalties and criminal punishments depends on a highly controversial proposition in moral theory — namely, that an agent’s intentions bear directly on what it is permissible for that agent to do, a view most closely associated with the doctrine of double effect. Therefore, legal theorists who are skeptical of granting intention this kind of significance owe us an alternative account of the distinctiveness of the criminal law. I sketch the broad outlines of just such an alternative account — one that focuses on the objective impact of legislation on a class of protected interests, regardless of the state’s motivations in enacting the legislation. In other words, even if the concept of punishment is unavoidably intention-sensitive, it does not follow that the boundaries of the criminal law are likewise intention-sensitive, because the boundaries of the criminal law may be drawn without reference to the concept of punishment. I conclude by illustrating the application of this view to a pair of well-known cases, and noting some of its ramifications.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,124
Score d'incertitude au seuil0,456

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,031
Tête enseignante GPT0,277
Écart entre enseignants0,246 · 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.

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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetFree Will and AgencyTravaux en français237 207