MétaCan
Menu
Retour à la cohorte
Enregistrement W638823170 · doi:10.1163/17087384-12342059

Current Demographics in Large Corporate Law Firms in South Africa

2015· article· en· W638823170 sur OpenAlexvenueno aff
Jonathan Klaaren

Notice bibliographique

RevueAfrican Journal of Legal Studies · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Education and Practice Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDemographicsCorporate lawPolitical scienceLegal professionLawRace (biology)AccountingBusinessSociologyCorporate governanceGender studiesDemographyFinance

Résumé

récupéré en direct d'OpenAlex

By contrast with the judges and the advocates, the issue of race and gender representivity in the attorneys segment of the legal profession generally and in large corporate law firms specifically has not received significant attention, in part due to the lack of accurate statistics and a thin research tradition. Addressing the gap, a 2013 survey investigated the demographics of legal professionals in large corporate law firms in South Africa. The chief finding of the survey is that South Africa’s major corporate law firms are still dominated by white men, especially in their upper echelons. Further, nearly half of the African women professionally employed in large corporate law firms (48.1%) are candidate attorneys, which is to say non-admitted legal professionals. These findings are consistent with the few earlier studies that have been conducted and indicate the need for further detailed research into the social dynamics of the African legal profession.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,714
Score d'incertitude au seuil0,628

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,204
Tête enseignante GPT0,409
Écart entre enseignants0,205 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfrican Journal of Legal StudiesMême sujetLegal Education and Practice InnovationsTravaux en français237 207