MétaCan
Menu
Retour à la cohorte
Enregistrement W4310047289 · doi:10.1163/22134514-bja10043

Penalty Default Rules in French, German and Louisianan Contract Law

2022· article· en· W4310047289 sur OpenAlexaffabout
Zackary Goldford

Notice bibliographique

RevueEuropean Journal of Comparative Law and Governance · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDutyDefault ruleOrder (exchange)Bad faithIncentiveGermanContract theoryLaw and economicsLawBusinessEconomicsPolitical scienceMicroeconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Abstract Some American law and economics scholars have used the term “penalty default rules” to describe default rules that are undesirable to at least one party to a contract. Parties have incentives to depart from these default rules and to share information in doing so. In a recent article, I brought this concept outside of the United States, the common law tradition and the law and economics literature by using it to describe a selection of rules in Québec contract law. In this article, I build on that work by identifying a selection of penalty default rules in three other civilian jurisdictions – France, Germany and Louisiana – that apply to contract formation, contract interpretation, changed circumstances and remedies for breach. Then, I argue that the penalty default rules that I have identified serve two valuable functions. First, they enhance at least some parties’ freedom of contract by better equipping them to make informed decisions. Second, they complement the duty of good faith by incentivizing the sharing of information, including information that might not always need to be shared in order to comply with the duty of good faith. Although these functions are somewhat different than those that law and economics scholars have attributed to American penalty default rules, my analysis reveals that penalty default rules both exist and have value in the civilian world.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil0,691

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,029
Tête enseignante GPT0,234
Écart entre enseignants0,204 · 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'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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Comparative Law and GovernanceMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207