MétaCan
Menu
Retour à la cohorte
Enregistrement W3123234609

Commercial Litigation Funding: Ethical, Regulatory and Comparative Perspectives

2014· article· en· W3123234609 sur OpenAlexaboutno aff
Camille Cameron, Jasminka Kalajdzic

Notice bibliographique

RevueeYLS (Yale Law School) · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDispute Resolution and Class Actions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomic JusticePolitical scienceWindsorPrincipal (computer security)CommodificationLawSociologyEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

There has been a proliferation of writing about commercial litigation funding (“CLF”) over the past few years, in both the academic and popular press. Too often, the literature presents a narrative of extremes. Commentators are either wholly against CLF on the basis that it gives rise to unethical behaviour and the commodification of our civil justice system, or wholly in support of it on the basis that it promotes access to justice and levels the playing field. A conference held at the University of Windsor Law School in July, 2013 brought together leading scholars, judges and lawyers from the United States, Australia and Canada to engage in a nuanced discussion about CLF that mediated between these extreme polarities. The first conference of its kind in Canada, discussion was focused on four themes: regulation, access to justice, ethics and impacts on class actions. In this article, the conference organizers, Dean Camille Cameron and Professor Jasminka Kalajdzic, survey the principal issues in the debates around CLF, summarize the key points in the conference papers, and identify the basic principles that might inform the regulation of litigation funding in Canada and elsewhere.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,974
Score d'incertitude au seuil0,594

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,038
Tête enseignante GPT0,278
Écart entre enseignants0,239 · 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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeYLS (Yale Law School)Même sujetDispute Resolution and Class ActionsTravaux en français237 207