MétaCan
Menu
Retour à la cohorte
Enregistrement W4317369026 · doi:10.1093/oso/9780198854081.003.0008

Making Equality Effective

2022· book-chapter· en· W4317369026 sur OpenAlexaboutno aff
Sandra Fredman

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRegulation and Compliance Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnforcementLaw and economicsLegislationAgency (philosophy)Political scienceBusinessPublic relationsEconomicsLawSociology

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter considers ways of making equality more effective by improving methods of enforcement and remedies. Section II assesses the individual complaints model, demonstrating its limitations as an engine for change. Reliance on a complaints model places an inordinate burden on individual victims and has little impact on systemic and structural discrimination. Section III examines ways in which the complaints model might be strengthened, through class actions, strategic litigation, and agency enforcement, and touches on how courts can be mobilized by social movements. Section IV turns to approaches which depart from the dependency on individual initiative and instead require proactive action from those in the best position to bring about change. It assesses several approaches, such as the public sector equality duty in the UK, Canadian employment equity legislation, and contract compliance in the US. Despite the great potential of proactive measures, in practice they easily slide into mere bureaucratic compliance. This section briefly attempts to explain these challenges in terms of different regulatory models, such as reflexive law, responsive law, and endogenous theories of law. The challenge remains to achieve the appropriate synthesis between harnessing the energy of responsible bodies to provide creative responses to systemic discrimination, and effective regulatory measures which can pierce the façade of compliance. Central to this is the need to involve those who are affected, as well as trade unions and civil society stakeholders, in defining the problem and in holding bodies to account.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0230,001

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 Opus0,079
Tête enseignante GPT0,291
Écart entre enseignants0,211 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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'admission1
Résumé présentoui

Explorer davantage

Même sujetRegulation and Compliance StudiesTravaux en français237 207