Notice bibliographique
Résumé
I am sometimes asked why I chose to write a book about the RDS case. 1 The idea stemmed from a first-year criminal law class that I was team-teaching at the University of Ottawa Faculty of Law in 2008.As many law professors will agree, we never have enough time to teach cases properly, and in this course, RDS was bundled together with a few other cases in one lecture.My colleague Professor Rosemary Cairns Way and I then asked the students what they understood was the principle that came out of the Supreme Court ruling.With great confidence, they responded, "It's a good decision.All judges should be impartial."And I was repeatedly dumbfounded when the same exchange occurred year after year, because that is so not the message that I took out of RDS.The actual message, at least to me, was the peril of assuming that judging is-or can be-impartial.To try to unpack the seeming simplicity and beguiling obfuscation of the concept of "impartial judging," I thought, would take more.It could take up an entire course.
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 | 0,013 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,035 | 0,033 |
| Communication savante | 0,013 | 0,008 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,023 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; 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 ».