MétaCan
Menu
Retour à la cohorte
Enregistrement W3125620752 · doi:10.7202/1074416ar

Causation, Fault, and Fairness in the Criminal Law

2021· article· en· W3125620752 sur OpenAlexvenueaboutno aff
Terry Skolnik

Notice bibliographique

RevueMcGill Law Journal · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFree Will and Agency
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCausationInnocenceSupreme courtBlameLawPolitical scienceCriminal lawConvictionLaw and economicsSociologyPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Over the past two decades, the Supreme Court of Canada has developed an overarching account of causation rooted in the need to prevent the conviction of the morally innocent. Despite these valuable contributions, there are certain limitations to the way causation is currently conceptualized in Canadian criminal law. This article aims to address those limitations and offer a plausible alternative account of causation and its underlying rationale. It advances three core arguments. First, it explains why judges should employ one uniform formulation of the factual causation standard: significant contributing cause. Second, it offers a new account of legal causation that distinguishes foreseeability as part of the actus reus from foreseeability inherent to mens rea. In doing so, it sets out why legal causation is primarily concerned with fairly ascribing ambits of risk to individuals. Third, it refutes the Supreme Court of Canada’s underlying justification for the causation requirement. Contrary to the Court’s invocation of the importance of moral innocence, this article demonstrates that causation principles actually tend to concede the accused’s moral fault while still providing reasons for withholding blame for a given consequence. This reveals that causation’s underlying rationale is more closely related to concerns about fair attribution rather than moral innocence. Ultimately, this article reframes causation to better answer one of the most basic questions in the criminal law: Why am I being blamed for this?

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 candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil1,000

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 savante0,0000,000
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 Opus0,049
Tête enseignante GPT0,273
Écart entre enseignants0,224 · 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.

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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMcGill Law JournalMême sujetFree Will and AgencyTravaux en français237 207