Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In Furman v. Georgia, the United States Supreme Court announced that it would not tolerate a capital sentencing regime that imposed death sentences in a seriously arbitrary fashion. The question I ask in this paper is whether we should in fact object to arbitrariness in punishment. The answer I propose is that under plausibly adverse conditions, we might not object to arbitrary penal outcomes, because under those conditions a fair distribution of punishment would be one that equalizes chances across a class of similarly situated criminals. In particular, fairness may require no more than a rough equalization of ex ante chances under conditions of resource scarcity, an inability to rank claims reliably by comparative desert, and a pressing need for punishment to be imposed. I call this an ex ante theory of fairness. The central virtue of ex ante fairness is that it is capable of reconciling parsimony in punishment with equity in its distribution, even when claims about who deserves what are deeply contested. Adopting an ex ante standard of fairness means that a concern for fair treatment of the guilty need not blind us to the realities of the severe resource constraints faced by American criminal justice, and vice versa. After laying out the argument for ex ante fairness in general terms, I proceed to show how several prominent features of American criminal law and procedure—the Supreme Court’s capital jurisprudence, prosecutorial discretion, judicial sentencing discretion, and “strict” criminal liability—all exhibit an implicit commitment to an equalization of chances rather than of outcomes.
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.
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 | 0,000 | 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 | 0,000 | 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 découle