MétaCan
Menu
Retour à la cohorte
Enregistrement W4309326512 · doi:10.1093/icon/moac087

Against settlement before the European Court of Human Rights

2022· article· en· W4309326512 sur OpenAlexfundno aff
Veronika Fikfak

Notice bibliographique

RevueInternational Journal of Constitutional Law · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Law and Aviation
Établissements canadiensnon disponible
Organismes subventionnairesEconomic and Social Research CouncilIsaac Newton TrustYork University
Mots-clésSettlement (finance)Human rightsPolitical scienceLawBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract Even though they represent almost 50% of all reported cases before the European Court of Human Rights (ECtHR), settlements of human rights violations escape scholars’ attention. While victims are increasingly expected to resolve their disputes amicably, it is unclear whether applicants will be better off accepting settlement offers rather than proceeding to litigation. The article charts the practice of friendly settlements before the Court from the 1980s to today, mapping a shift in approach from seeking bilateral solutions to the proactive role of the Registry as mediator encouraging states and applicants to settle their cases to relieve the Court of the heavy workload. The study of 10,500 cases reveals how strategies adopted by the Registry—from procedural changes to how and when consent is given to settlement, to the framing of settlement offers, and a close relationship with representatives of the respondent state—have favored the most frequent violators of the European Convention on Human Rights and sidelined the interests of the applicant. The analysis uncovers that the imbalance between parties and lack of enforcement are very much present in the ECtHR settlement system and that the active role of the Registry has reinforced, rather than redressed these concerns. The findings expose the dangers of pursuing en masse settlement in the human rights context and raise concerns about achieving long-term justice for victims of human rights violations through other means than adjudication.

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)0,070
score de la tête « metaresearch » (Gemma)0,084
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: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,372

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0700,084
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0100,012
Communication savante0,0150,007
Science ouverte0,0020,012
Intégrité de la recherche0,0080,009
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,016
Tête enseignante GPT0,305
Écart entre enseignants0,290 · 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
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Constitutional LawMême sujetInternational Law and AviationTravaux en français237 207