Loosening the law’s bite: Law, fact, and expert evidence in <i>R</i> v <i>JA</i> and <i>R</i> v <i>NS</i>
Notice bibliographique
Résumé
Faced, in the wake of the Canadian Charter of Rights and Freedoms, with decisions that bear upon unfamiliar realms of social life, Canadian courts have turned to making factual determinations based on social science and other expert evidence. Such evidence can help litigants from marginalised groups to challenge exclusionary norms and ‘common sense’ assumptions that form part of judicial reasoning. However, litigants seeking to disrupt the legal status quo in this way face a number of challenges. While many commentators have emphasised the prohibitive cost of bringing expert evidence, this article points to a prior challenge—the need to convince the court to see the relevant issue as a fact amenable to proof in the first place. To illustrate the significance of this initial framing challenge, I examine two recent criminal cases— R v JA and R v NS—where expert evidence may have been useful but was scant.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,041 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,024 | 0,090 |
| Communication savante | 0,033 | 0,032 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,024 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».