MétaCan
Menu
Retour à la cohorte
Enregistrement W7011263155

Legal Information in Digital Form : The Challenge of Accessing Computerized Court Records.

2019· other· en· W7011263155 sur OpenAlexaboutno aff

Notice bibliographique

RevueArchipelago (University of Quebec in Montreal) · 2019
Typeother
Langueen
DomaineSocial Sciences
ThématiqueArtificial Intelligence in Law
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPublic accessEconomic JusticeTask (project management)Reflection (computer programming)Information accessFace (sociological concept)Access to informationLegal research
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper addresses the question of digital access to court records that falls within the global reflection about access to law and justice. Based on research studying the way dockets are accessed in Quebec, our article highlights dimensions underlying the question of access to public legal information. Our findings showed an inequality of access between law professionals and non-professionals. However, there are always more citizens seeking to access their legal information on their own, specifically when representing themselves in justice situations. Even though dockets are now digitized, litigants face many barriers when trying to consult them. We review these barriers and stress the need to consider them all in the reflection on access to digital court records. Designing a solution to the access problem is a complex task which technology alone cannot resolve. We need to keep in mind that some initiatives intended to improve access might actually raise the barriers faced by some litigants. Moreover, the privacy issue surrounding the question of public information is also crucial to bear in mind. This paper shows that the docket consultation system is not optimal in Quebec. Improvements are needed that must be carefully thought out. In making them, it is important to adopt a comprehensive vision of the question of access to justice that considers the rights of each and every citizen.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,894
Score d'incertitude au seuil0,578

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,020
Tête enseignante GPT0,254
Écart entre enseignants0,234 · 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'étudeAutre devis
Domainenon disponible
GenreAutre

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchipelago (University of Quebec in Montreal)Même sujetArtificial Intelligence in LawTravaux en français237 207