MétaCan
Menu
Retour à la cohorte
Enregistrement W4399440932 · doi:10.60002/ebyuhfd.1464279

Reparation of Civil Aerial Accidents Under International Air Law: A Case Study of the 2020 Ukrainian Plane Incident in Iran

2024· article· en· W4399440932 sur OpenAlexaboutno aff
Asm Mahmudul Hasan, Md Syful Islam

Notice bibliographique

RevueErzincan Binali Yıldırım Üniversitesi Hukuk Fakültesi Dergisi · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInternational Law and Aviation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAviation lawCivil aviationAviationUkrainianLawPolitical scienceLegal liabilityInternational lawInternational humanitarian lawLiabilitySovereigntyEngineeringPublic international law

Résumé

récupéré en direct d'OpenAlex

International Air Law, encompassing both national and international legal norms, plays a critical role in defining state sovereignty in airspace and ensuring the safety of passenger aircraft. This paper highlighted the evolution of airspace law, emphasizing key treaties and conventions such as the Chicago and Montreal Conventions, which have shaped the legal landscape of modern aviation. It thoroughly examined the role of Aviation Law in addressing contemporary challenges, with a focus on the downing of Ukraine International Airlines Flight PS752 in Iran on January 8, 2020. This incident, a non-warfare act of force, presented a complex legal challenge and led to recent legal controversies. It examined precedents from international and domestic court decisions and directives of relevant organizations, contributing to a modern legal framework. Key discussions included the implications of human error in aviation incidents, particularly in terms of criminal liability and financial compensation. The paper made efforts to evaluate such situations within the framework of international air law, advocating for continuous legal adaptation to safeguard global civil aviation. This study particularly suggests the possible resolutions for aerial accidents, specifically those caused by human error.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,037
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0080,003
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,310
Écart entre enseignants0,288 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueErzincan Binali Yıldırım Üniversitesi Hukuk Fakültesi DergisiMême sujetInternational Law and AviationTravaux en français237 207