MétaCan
Menu
Retour à la cohorte
Enregistrement W3121780508 · doi:10.1086/698435

The Legal Academy’s Ideological Uniformity

2018· article· en· W3121780508 sur OpenAlexfundno aff
Adam Bonica, Adam Chilton, Kyle Rozema, Maya Sen

Notice bibliographique

RevueThe Journal of Legal Studies · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Education and Practice Innovations
Établissements canadiensnon disponible
Organismes subventionnairesUniversity at BuffaloUniversity of Illinois at Urbana-ChampaignLoyola Marymount UniversityWestern New England UniversityUniversity of ConnecticutCity University of New YorkWake Forest UniversityLoyola University ChicagoGeorgetown UniversityUniversity of DenverState University of New YorkUniversity of MinnesotaWashington University in St. LouisBoston CollegeHarvard UniversityUniversity of MiamiYork UniversityNorthwestern UniversityUniversity of WashingtonNorthern Illinois UniversityWashington and Lee UniversityUniversity of the PacificUniversity of Southern CaliforniaSanta Clara UniversityYale University
Mots-clésIdeologyLawLegal professionDirectoryPoliticsPolitical scienceBalance (ability)SociologyPsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

We study the ideological balance of the legal academy and compare it with the ideology of the legal profession more broadly. To do so, we match professors listed in the Association of American Law Schools’ Directory of Law Teachers and lawyers listed in the Martindale-Hubbell directory to a measure of political ideology based on political donations. We find that 15 percent of law professors, compared with 35 percent of lawyers, are conservative. This may not simply be due to differences in their backgrounds: the legal academy is still 11 percentage points more liberal than the legal profession after controlling for several relevant individual characteristics. We argue that law professors’ ideological uniformity marginalizes them but that it may not be possible to improve the ideological balance of the legal academy without sacrificing other values.

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)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,821
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,002
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,130
Tête enseignante GPT0,464
Écart entre enseignants0,334 · 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
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

Citations19
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Legal StudiesMême sujetLegal Education and Practice InnovationsTravaux en français237 207