Judging by the Numbers: Judicial Analytics, the Justice System and its Stakeholders
Notice bibliographique
Résumé
This article considers the future of judicial analytics, its possible effects for the public, the judiciary and the legal profession, and potential responses to the rise of judicial analytics in Canada. Judicial analytics involves the use of advanced technologies, like machine learning and natural language processing, to quickly analyze publicly-available data about judges and judicial decision-making. While, in Canada, judicial analytics tools are as yet at the early stages of development and use, such tools are likely to become more powerful, more accurate and more accessible in the near-to-medium future, resulting in unprecedented public insight into judges and the work of judging. This article identifies benefits of mainstreamed judicial analytics, including increased transparency into the work of judging, and risks flowing from the rise of judicial analytics, including the propagation of inaccurate or misleading information about judges. In light of these benefits and risks, the article identifies voluntary third-party certification and the production of credible public tools as meaningful responses to the rise of judicial analytics and calls on judicial regulators to consider how information made available through judicial analytics tools may influence their work.\nCet article examine l’avenir de l’analyse judiciaire, ses effets possibles sur le public, la magistrature et la profession juridique, et les réponses possibles à la montée de l’analyse judiciaire au Canada. L’analyse judiciaire implique l’utilisation de technologies avancées, comme l’apprentissage automatique et le traitement du langage naturel, pour analyser rapidement les données accessibles au public au sujet des juges et des décisions judiciaires. Bien qu’au Canada, les outils d’analyse judiciaire n’en soient encore qu’aux premiers stades de développement et d’utilisation, il est probable que ces outils deviendront plus puissants, plus précis et plus accessibles dans un avenir proche ou moyen, ce qui permettra au public d’avoir une vision sans précédent des juges et de leur travail. Cet article identifie les avantages de l’analyse judiciaire généralisée, notamment la transparence accrue du travail des juges, et les risques découlant de l’essor de l’analyse judiciaire, notamment la propagation d’informations inexactes ou trompeuses au sujet des juges. À la lumière de ces avantages et de ces risques, l’article identifie la certification volontaire par une tierce partie et la production d’outils publics crédibles comme des réponses significatives à l’essor de l’analyse judiciaire et appelle les régulateurs judiciaires à considérer comment les informations rendues disponibles par les outils d’analyse judiciaire peuvent influencer leur travail.
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 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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 | 0,001 |
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 tête enseignante, 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 ».