MétaCan
Menu
Retour à la cohorte
Enregistrement W3125555205

Rethinking Admissibility of Electronic Evidence

2016· article· en· W3125555205 sur OpenAlexaboutno aff
Aradhya Sethia

Notice bibliographique

RevueSSRN Electronic Journal · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital and Cyber Forensics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnforcementPolitical scienceSubstantive rightsCertificationLaw and economicsSubstantive lawLawRules of evidenceSociologyHuman rights
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The development of information technology has generated several legal debates. Most of these debates are concerned with substantive rights and obligations. However, the enforcement of these substantive rights and obligations, to a large extent, depends on the effectiveness of procedural laws. This article focuses on one of the most important procedural issues—admissibility of electronic evidence. The factual bedrock for the enforcement of substantive rights and obligations is dependent on the framework we adopt for admissibility of electronic evidence. This article identifies four most important issues surrounding the admissibility of electronic evidence: (i) the debate between special framework and general framework; (ii) the substantive content of the conditions of admissibility; (iii) certification requirements; and (iv) the dichotomy of primary and secondary evidence. For discussing these issues, the experience of the Indian framework lies in the heart of this article. Where relevant, the article also draws lessons from other jurisdictions including the USA, the UK, Canada, South Africa and Australia to discuss the way these debates have been addressed in different jurisdictions.

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)0,003
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,595
Score d'incertitude au seuil0,735

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,019
Tête enseignante GPT0,244
Écart entre enseignants0,225 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetDigital and Cyber ForensicsTravaux en français237 207