MétaCan
Menu
Retour à la cohorte
Enregistrement W4395452456 · doi:10.55496/bdzf8546

Hearing the 'Little Guy' - Litigant Involvement to Promote Alternative Dispute Resolution Mechanisms in India

2019· article· en· W4395452456 sur OpenAlexaboutno aff
Ameen Jauhar

Notice bibliographique

RevueSocio-Legal Review · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Arbitration and Investment Law
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAlternative dispute resolutionDispute resolutionPolitical scienceLawLaw and economicsPsychologySociology

Résumé

récupéré en direct d'OpenAlex

To tackle the crippling judicial backlog of the Indian justice system, alternative dispute resolution mechanisms have been formalised and introduced in various formats. Despite their obvious benefits of purported lower costs, and timeliness, these mechanisms have not really found their envisioned success and high utility in reducing mainstream litigation. This paper explores how the absence of proper stakeholder engagement, especially with the service users (namely existing and potential litigants) has been an impediment to improving the popularity of ADR mechanisms in India. It studies a similar project conducted in Alberta, Canada, focusing on how litigants provided valuable insights into improving access to justice through free legal aid and services. It proposes a similar community-based model to re-envision and redeploy ADR frameworks within the country, making them appropriate dispute resolution mechanisms, instead of alternatives. While the notion of litigant awareness and involvement have been part of Indian legal scholarship for some time now, this paper attempts to broach these subjects from a sociological empirical researcher 's perspective to better inform judicial reforms in India.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0100,007
Communication savante0,0100,003
Science ouverte0,0020,010
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,027
Tête enseignante GPT0,267
Écart entre enseignants0,240 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocio-Legal ReviewMême sujetInternational Arbitration and Investment LawTravaux en français237 207