Explaining Difference in the Quantity of Supreme Court Revisions: A Model for Judicial Uniformity
Notice bibliographique
Résumé
While civil law supreme courts (e.g., Italy, France, Chile) hear up to 90% of the petitions for revisions, common law supreme courts (e.g., U.S., U.K, Canada) hear as low as 1% of the same type of cases. In this study we postulate that these different commitments towards revisions are each consistent with different approaches by which the legal system provides judicial uniformity. We formulate a theoretical model that shows that a given level of uniformity in lower (or appeal) court decisions can be achieved either by fixing a given probability of judicial revision or a given monetary/non-monetary disutility associated with a reversal. Hence, despite the fact that common law legal systems are characterized by a lower probability of case revision, we cannot state a priori that judicial uniformity is greater in civil law systems, as this will depend upon the magnitude of the disutility associated with a reversed decision. Indeed, with the exception of the impact upon career concerns (which net effect is not clear) in terms of ideology, reputation and legal standards, reversal disutility seems to be much higher in common law systems than in civil law systems. In addition, we demonstrate that in an efficient legal system the optimal number of revisions increases with the size of the reversal disutility, but decreases with the probability that the supreme court makes erroneous decisions; the total number of cases soliciting revision and the intrinsic utility obtained by a lower court which enforces its desired rule. We also show that in an efficient legal system it is the judicial law-making role of a common law supreme court that explains why that Court revises fewer cases than a civil law supreme court.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».