MétaCan
Menu
Retour à la cohorte
Enregistrement W4416401238 · doi:10.47772/ijriss.2024.916sco0025

Apology in Law: Theoretical Foundations for Reform of Apology Law in Professional Negligence and Misconduct

2025· article· W4416401238 sur OpenAlexaboutno aff
Nurul Shuhada Suhaimi, Haswira Nor Mohamad Hashim, Noraiza Abdul Rahman, Anida Mahmood

Notice bibliographique

RevueInternational Journal of Research and Innovation in Social Science · 2025
Typearticle
Langue
DomainePsychology
ThématiqueForgiveness and Related Behaviors
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRemorseMisconductProfessional conductArgument (complex analysis)Statutory lawEmpathyNexus (standard)LegislatureEntitlement (fair division)Wrongdoing

Résumé

récupéré en direct d'OpenAlex

Apology occupies an increasingly significant role in contemporary legal discourse, bridging the domains of moral responsibility, psychological healing, and professional accountability. Yet, in Malaysia, the absence of statutory protection for apology renders it legally perilous—discouraging professionals from expressing remorse or acknowledging fault for fear of self-incrimination. This paper advances a theoretical justification for protecting admission by apologetic discourse, situating the argument within five complementary frameworks: Therapeutic Jurisprudence, Rational Choice Theory, Game Theory, Empathy Theory, and Attribution Theory. Adopting a doctrinal and interdisciplinary approach, this study analyses the nexus between law, psychology, and behavioural economics to demonstrate how apology functions as both a restorative and preventive mechanism. Comparative models from Australia, Canada, and the United Kingdom reveal that apology laws reduce litigation, improve professional integrity, and enhance public confidence. The paper argues that a theory-driven legislative framework would harmonise Malaysia’s evidentiary and professional standards with global trends, transforming apology into a legally protected instrument of reconciliation, emotional repair, and systemic efficiency.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,011
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,097
Tête enseignante GPT0,548
Écart entre enseignants0,451 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Research and Innovation in Social ScienceMême sujetForgiveness and Related BehaviorsTravaux en français237 207