MétaCan
Menu
Retour à la cohorte
Enregistrement W4210304826 · doi:10.3138/utlj-2020-0125

Legal gaslighting

2021· article· en· W4210304826 sur OpenAlexaffvenue
Alvin Y.H. Cheung

Notice bibliographique

RevueUniversity of Toronto Law Journal · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Law and Human Rights
Établissements canadiensSocial Sciences and Humanities Research CouncilMcGill University
Organismes subventionnairesnon disponible
Mots-clésLaw and economicsJurisdictionPolitical scienceNormativeLawPretextFunction (biology)Context (archaeology)ConfusionPoliticsAuthoritarianismRule of lawDemocracySociologyPsychology

Résumé

récupéré en direct d'OpenAlex

Suppose that an authoritarian regime wants to make changes to legal norms or institutions to consolidate its hold on political power. Suppose further that the regime in question cannot simply ignore the domestic or international costs of doing so, and that it has an interest in responding to critiques of these changes based on liberal democratic norms and the rule of law. How can it do so? One possible approach is to sow confusion and undermine the normative standards themselves – in effect, to ‘gaslight’ the domestic or international audience (or both). To that end, a regime might assert that the change it proposes resembles a ‘best practice’ from one or more other jurisdictions. Such emulation need not be thorough, or even sincere; it may suffice simply to assert that a proposed change resembles that in a jurisdiction with ironclad rule-of-law credentials. The changes being adopted may bear no real resemblance to the ‘comparators’ on closer examination. Alternatively, the measures being adopted may be similar on their face, but operate in such a different context that they end up serving a very different function to the function they perform in the comparator jurisdiction. Such gaslighting need not succeed in deceiving outsiders or subjects; undermining the standards by which legal reforms are measured, sowing confusion, or providing a superficial pretext for inaction may be sufficient.

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)0,006
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,020
Communication savante0,0100,010
Science ouverte0,0020,007
Intégrité de la recherche0,0070,009
Charge utile insuffisante (le modèle a refusé de juger)0,0250,003

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 Opus0,010
Tête enseignante GPT0,240
Écart entre enseignants0,230 · 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'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

Citations6
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Toronto Law JournalMême sujetInternational Law and Human RightsTravaux en français237 207