MétaCan
Menu
Retour à la cohorte
Enregistrement W5293378 · doi:10.60082/0829-3929.1192

When Law Reform Is Not Enough: A Case Study on Social Change and the Role that Lawyers and Legal Clinics Ought to Play

2014· article· en· W5293378 sur OpenAlexvenueaboutno aff
Jeff Carolin

Notice bibliographique

RevueJournal of Law and Social Policy · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Education and Practice Innovations
Établissements canadiensnon disponible
Organismes subventionnairesRoyal College of Anaesthetists
Mots-clésGrassrootsLaw reformPolitical scienceLegal educationLawLegal professionScholarshipInjusticeEmpirical legal studiesSociologySocial movementPolitics

Résumé

récupéré en direct d'OpenAlex

Based on his experience as a law student in the clinical legal education program at Parkdale Community Legal Services in 2010, the author draws on poverty law scholarship to better understand his frustrations with a law reform campaign he worked on related to refugee family reunification. The scholarship’s central critique of law reform campaigns is that they are excessively narrow: they focus on a particular law and construct the law itself as the social injustice. This leads to two subsidiary problems. First, law reform campaigns ignore the underlying socio-political context that produced the law, foregoing opportunities for broader societal transformation. Second, law reform campaigns position lawyers as the agents for social change, missing an opportunity for movement building and even disempowering affected communities. In applying these critiques, the author articulates the failure of the clinic’s campaign to address Canada’s xenophobic and classist approach to border control, and to build social movements to challenge this approach. An alternative strategy for law reform that addresses some of these problems is embodied in Collaborative Legal Play, or CLAY, a grassroots organization that creates workshops on legal topics using principles of popular education and game-based and theatre-based facilitation.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,868
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,145
Tête enseignante GPT0,445
Écart entre enseignants0,300 · 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'étudeSans objet
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

Citations3
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Law and Social PolicyMême sujetLegal Education and Practice InnovationsTravaux en français237 207