MétaCan
Menu
Retour à la cohorte
Enregistrement W3211268824

Quantification of damages for malicious prosecution: A comparative analysis of recent South African and Commonwealth case law (2)

2018· article· en· W3211268824 sur OpenAlexaboutno aff
Chuks Okpaluba

Notice bibliographique

RevueSouth African Journal of Criminal Justice · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Issues in South Africa
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDamagesLawTortPlaintiffConfusionPolitical scienceCommonwealthCause of actionAction (physics)Element (criminal law)LiabilityPsychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The first part in this three-part submission was devoted to a number of preliminary issues relating to the assessment of damages for malicious prosecution, such as the confusion caused by the word ‘damage’ as an element in the law of malicious prosecution and ‘damages’ in terms of the amount a successful plaintiff in an action for malicious prosecution could recover. In that part also, opportunity was taken to explore the circumstances where damages have been awarded in an action for malicious prosecution in South Africa and the ascertainment of the amount in such instances, with the tip of the iceberg being the recent case of the former Judge President of KZN High Court. The present article continues with the case study approach by investigating the experiences of Australia, Canada and Trinidad and Tobago having identified instances where damages has been awarded for the tort of malicious prosecutions in those common law jurisdictions. The cases discussed with regard thereto are no doubt informative but, the Privy Council judgment from Trinidad and Tobago is by far more instructive and dynamic on the factors to be taken into account in the quantification of damages for malicious prosecution from the point of view of the ordinary member of the society. Thus, the reputational damage which the law protects by an award of damages does not distinguish between a homeless person and an urban or rural dweller.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,902

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,002
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 Opus0,115
Tête enseignante GPT0,400
Écart entre enseignants0,285 · 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'étudeQualitatif
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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSouth African Journal of Criminal JusticeMême sujetLegal Issues in South AfricaTravaux en français237 207