Tracking\tthe Trends of\t the Self-Represented Litigant Phenomenon: Data from the National Self-Represented Litigants Project, 2017
Notice bibliographique
Résumé
From 2011-2013, Dr. Julie Macfarlane studied the experiences of self-representation in Canada in three provinces: Ontario, British Columbia, and Alberta. She conducted detailed personal interviews and/or focus group interviews with 259 self-represented litigants (SRLs). After the publication of Dr. Macfarlane’s initial report in 2013, SRLs continued to contact the National Self-Represented Litigants Project (NSRLP). This led the research team to develop an “Intake Form” in SurveyMonkey, in order to continue to collect information from SRLs across Canada. While the data provided from the replies to the Intake Form is less detailed than the original study interviews, the questionnaire tracks SRL demographics using some of the same variables, such as income, education level and party status. It also asks questions about the SRL’s experience with prior legal services, mediation services, and bringing a support person to court. The Intake Form also provides a glimpse into SRL personal experiences based on a final question which is “open format”. NSRLP is committed to continued reporting on the SRL phenomenon. Our last report on intake data spanned from April 1, 2015-December 31, 2016, and included data from 73 respondents. This latest Report presents data from 66 respondents, collected from January 1, 2017 to December 31, 2017.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».