MétaCan
Menu
Retour à la cohorte
Enregistrement W3202046675 · doi:10.1515/ldr-2021-0100

Anti-discrimination Case Law of the Court of Justice of the European Union before and after the Economic Crisis

2021· article· en· W3202046675 sur OpenAlexaff
Amalie Frese

Notice bibliographique

RevueThe Law and Development Review · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiscrimination and Equality Law
Établissements canadiensCentre for International Governance Innovation
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceLawEconomic JusticeEuropean unionEuropean court of justiceEuropean Union lawLaw and economicsEconomicsInternational trade

Résumé

récupéré en direct d'OpenAlex

Abstract Income inequality is at an all-time high in the Europe Union (EU). Implications from the economic crisis which broke out in 2008, and in particularly the austerity measures introduced by Governments in Eurozone countries receiving bailout programmes, created further inequalities, for example between men and women. This paper starts from the hypothesis that whereas other institutions in the EU have played a direct role in tackling the economic crisis, the Court of Justice of the European Union (CJEU) may have played a more indirect role, which nonetheless can have an overlooked value in particular for setting direction for legal norms of equality and anti-discrimination in Europe. The paper therefore addresses a legal-empirical question: To what extent does the anti-discrimination case law of the CJEU reflect the increased inequalities in Europe following the economic crisis? Based on a dataset of all anti-discrimination cases of the CJEU, I conduct a quantitative analysis of changes in the case law from before to after the economic crisis. I find that there is only weak evidence, which suggests that the case law of the CJEU reflects the increased inequalities following the economic crisis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,051
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,051
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0050,010
Études des sciences et des technologies0,0020,003
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,036
Tête enseignante GPT0,311
Écart entre enseignants0,275 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Law and Development ReviewMême sujetDiscrimination and Equality LawTravaux en français237 207