Equality of Treatment, Opportunity, and Outcomes: Mapping the Law
Notice bibliographique
Résumé
Abstract Equality is a concept open to many interpretations in the legal domain, with equality as equal treatment dominating the scene in the bureaucratic nation-state. But there are many possibilities offered by legal instruments to go beyond strict equality of treatment, in order to ensure equality of opportunity (a somehow nebulous concept) and equality of outcomes. Legislation can be sorted along a continuum, from the most discriminatory ones (“negative discrimination laws”) such as laws that prescribe prison sentences for people accused of being in same-sex relationships, to the most protective ones, labeled as “mandated outcome laws” (i.e., laws that prescribe quotas for designated groups) through “legal vacuum” (when laws neither discriminate nor protect), “restricted equal treatment” (when data collection by employers to monitor progress is forbidden or restricted), “equal treatment” (treating everyone the same with no consideration for outcomes), “encouraged progress” (when data collection to monitor progress on specific outcomes is mandatory for employers), and mandated progress (when goals have to be fixed and reached within a defined time frame on specified outcomes). Specific countries’ national legislation testify that some countries moved gradually along the continuum by introducing laws of increasing mandate, while (a few) others introduced outcome mandates directly and early on, as part of their core legal foundations. The public sector tends to be more protective than the private sector. A major hurdle in most countries is the enforcement of equality laws, mostly relying on individuals initiating litigation.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».