MétaCan
Menu
Retour à la cohorte
Enregistrement W4313700304

Data Science for Justice: The Short-Term Effects of a Randomized Judicial Reform in Kenya

2022· preprint· en· W4313700304 sur OpenAlex
Matthieu Chemin, Daniel L. Chen, Vincenzo Di Maro, Paul Kimalu, Momanyi Mokaya, Manuel Ramos-Maqueda

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueToulouse Capitole Publications (University Toulouse 1 Capitole) · 2022
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueArtificial Intelligence in Law
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaAlfred P. Sloan FoundationSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungAgence Nationale de la RechercheNational Science Foundation
Mots-clésEconomic JusticeTerm (time)Political scienceJudicial reformLawPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Can data science be used to improve the functioning of courts, and unlock the positive effects of institutions on economic development? In a nationwide randomized experiment in Kenya, we use algorithms to identify the greatest sources of court delay for each court and recommend actions. We randomly assign courts to receive no information, information, or an information and accountability intervention. Information and accountability reduces case duration by 22%. We find an effect on contracting behaviour, with more written labor contracts being signed by firms, and an effect on wage, since jobs with written labor contracts pay more. These results demonstrate a causal relationship between judicial institutions and development outcomes.

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.

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)0,009
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Science ouverte
Catégories consensuellesÉtudes des sciences et des technologies
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 enseignants0,833
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,007
Communication savante0,0000,002
Science ouverte0,0110,006
Intégrité de la recherche0,0010,001
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 Opus0,074
Tête enseignante GPT0,367
Écart entre enseignants0,293 · 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