Datalogisk retsforskning: Kan algoritmer finde juridisk centrale domme afsagt af EMD?
Notice bibliographique
Résumé
I denne artikel introduceres først til, hvordan forskellige kvantitative metoder kan anvendes til at supplere traditionel retsdogmatisk metode. Herefter anvendes tidligere studier i denne måde at arbejde på som udgangspunkt for at udvikle en metode til at udpege domme i Den Europæiske Menneskerettighedsdomstols praksis der ikke omhandler en bestemt rettighedsbestemmelse, men indeholder nogle generelt anvendelige regler der kan anvendes uafhængigt af den (mulige) krænkelse, der er til pådømmelse i den konkrete sag. Metoden opdeler domstolens citationsnetværk i forskellige retsområder og måler hver enkelt doms centralitet i dommens eget delnetværk sammenlignet med centraliteten i det samlede netværk. Domme, der er relativt mere centrale i det samlede netværk end i deres eget delnetværk antages at indeholde principper, der er relevante for alle (eller de fleste) sager uafhængigt af klagens substantielle indhold. En kontrollæsning af udvalgte domme viser, at metoden lykkes med finde den eftersøgte type domme.
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 | 0,027 | 0,091 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,023 | 0,032 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,018 |
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 ».