Balancing Legal Process with Scientific Expertise: Expert Witness Methodology in Five Nations and Suggestions for Reform of Post-<i>Daubert</i> U.S. Reliability Determinations
Notice bibliographique
Résumé
In a recent article on science and the law, Susan Haack suggested that “we could learn something from the experiences of other nations that are equally technologically advanced, but have different . . . legal arrangements.” Her suggestion is both appropriate and timely, as the evidence mounts on the problems with the current judicial management of complex science.\nThis Article starts with a simple, related premise, that the proper balance of legal process and scientific expertise is not a uniquely American problem. If this is true, then we should, as Haack suggests, seek inspiration for reform in the varying methodologies of other nations. After beginning with a critical examination of the U.S. expert witness system, this Article discusses the handling of expert witnesses in multiple common law nations (Canada and the United Kingdom) and in multiple civil law nations (Germany and Japan). After examining those systems, this Article makes recommendations as to which methodologies, currently in use and tested in those nations, offer the most promise in fixing the weaknesses exposed in our system.\nBy reviewing the weaknesses in Daubert assessment of complex expert testimony, how other nations handle similar evidence, and how certain discrete areas of foreign law could address the weaknesses identified in the U.S. approach, this Article offers reform alternatives to assist judges in balancing the need for accuracy and reliability of the science presented in court with the need to maintain our traditions of legal process.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 tête enseignante, 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 ».