LA AUTOMATIZACIÓN DE LA MEDIACIÓN A TRAVÉS DE LA INTELIGENCIA ARTIFICIAL: UN RETO PARA EL ESTATUTO DEL MEDIADOR (MEDIADOR-ROBOT VS. MEDIADOR-HUMANO)
Notice bibliographique
Résumé
Se analiza la proyección de la automatización (aplicación de la inteligencia artificial « IA ») a los procedimientos de mediación. A partir de la breve presentación de tres experiencias de mediación realizadas por un robot, se deducen algunas dificultades de la aplicación de la IA a los procedimientos de mediación. Además de clarificar que una mediación online o telemática no es una mediación automatizada, el trabajo se centra en revisar dos de estas dificultades. La primera, la confusión que actualmente hay entre una negociación automatizada y una mediación automatizada (denominando “mediación” a lo que en realidad es una negociación); la segunda, la dificultad de mantener la neutralidad y la imparcialidad por parte del mediador-robot en una mediación automatizada (neutralidad e imparcialidad -que constituyen uno de los principios básicos del estatuto del mediador- y que quedan afectadas en cuanto los sistemas automatizados de “negociación”/”mediación”, ofrecen la respuesta de solución a las partes). Se establecerá una comparativa entre el mediador-robot vs. mediador- humano, apuntando ventajas e inconvenientes de ambas modalidades de mediador, lo que pone de manifiesto la necesidad de analizar la viabilidad legal de la mediación automatizada. Los cambios que conlleva la automatización de la mediación suponen un reto para el estatuto del mediador -que contempla los derechos y deberes del mediador- que, sin tardar mucho, exigirá una revisión.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».