Contributions of Ethnography of Science to Judicial Assessment of Environmental Expert Testimony
Notice bibliographique
Résumé
Judges are challenged by complex scientific expert testimony in cases involving environmental impacts of modern industrial processes. 1 While there is a long history of forensic, psychological and genetic evidence presented in court, 2 various ‘proof and truth’ challenges are heightened by growing awareness of environmental threats and scientific conflicts over risk. We illustrate these challenges by discussing two Canadian court cases involving the impact of aquaculture pesticide use on a commercial lobster fishery. We then turn to our four-year research project on environmental risk in the marine environment to explore the contribution ethnographic studies of environmental science can make towards a legal understanding of the associated scientific challenges. The research examined how scientists, resource users, and participants in marine industries perceived risk to the ocean environment differently, how science was undertaken to evaluate such risks and under what political influences, and how the incorporation of local knowledge contributed to scientific research outcomes. Such ethnographic analysis can shed light on scientific practice and in turn suggest the limitations of some current approaches to judicial evaluations of scientific evidence, particularly the guidelines arrived at in Daubert , which utilize an arguably unrealistic view of science. 3 We highlight several problems with judicial evaluation of science in environmental cases: the unrealistic expectations of the science of risk; difficulties encountered in field studies of environmental impacts versus lab studies; and the potential for deconstruction of science in court as such field studies increasingly employ Post-Normal Science (PNS) methods. 4 We conclude that ethnographic analysis of the co-construction of knowledge, common in PNS, would contribute to a more nuanced approach to the judicial assessment of the science of environmental risk analysis. Our methods used to further the co-construction of knowledge may also prove helpful to lawyers working with stakeholders in cases involving environmental risk.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,065 | 0,160 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,010 | 0,005 |
| Études des sciences et des technologies | 0,016 | 0,040 |
| Communication savante | 0,012 | 0,014 |
| Science ouverte | 0,004 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».