MétaCan
Menu
Retour à la cohorte
Enregistrement W4287010551 · doi:10.18280/ijsse.120313

The Main Threats in the Practice of a Lawyer to Ensure Environmental Safety in the Context of COVID-19

2022· article· en· W4287010551 sur OpenAlexvenueno aff
Farouq Ahmad Faleh Alazzam, Mueen Fandi Nhar Alshunnaq, Nataliia Lesko, Halyna Lukіanova, Dmytro Smotrych

Notice bibliographique

RevueInternational Journal of Safety and Security Engineering · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueLegal, Health, Environmental and COVID-19 Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHarmRelevance (law)Context (archaeology)Variety (cybernetics)SustainabilityLiabilityEnvironmental planningCoronavirus disease 2019 (COVID-19)Environmental resource managementBusinessRisk analysis (engineering)Political scienceComputer scienceLawEcologyEnvironmental scienceGeographyMedicine

Résumé

récupéré en direct d'OpenAlex

The main purpose of the study is to determine the main ways to counter environmental threats, taking into account the impact of COVID-19 in the practice of a modern lawyer. To achieve this goal, we used the methodology of functional modeling and graphical display to represent the key stages and processes of counteracting the negative impact of environmental threats. Among the global problems of our time, one of the central cities occupies the issue of proper environmental protection, taking into account the peculiarities of the whole variety of its components and the impact of COVID-19. Conservation of natural resources, along with environmental well-being, is the determining factor in the comfort of human existence, ensuring the sustainability of social and economic development. The concept of harm to the environment and legal liability for such harm at the scientific level began to be developed relatively recently, which determined the relevance of the chosen issue. As a result of the study, a methodological approach was proposed to reflect the main measures to counter environmental threats on the part of practicing lawyers.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,644
Score d'incertitude au seuil0,231

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,281
Écart entre enseignants0,270 · 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

Citations24
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Safety and Security EngineeringMême sujetLegal, Health, Environmental and COVID-19 ChallengesTravaux en français237 207