Notice bibliographique
Résumé
this document. We will look at five of those projects, the ones we felt were especially likely to give us insight into the models and the strategic choices that were made. The projects cover individual courts as well as whole justice systems. The projects we examined are also diverse. They illustrate partnerships with business and initiatives that draw on the strengths of the legal system. Some favour a single service provider, while others focus more on interoperability and open standards. Together, these projects provide a good overview of the solutions currently used by courts to offer electronic filing. The project carried out by the Federal Court of Australia was designed to meet the court's specific needs and is being phased in. The national e-filing project in Singapore, a country well known for its commitment to the use of information technologies, uses a very different approach. It is a national project, but is being developed entirely by the private sector. The system, designed by the administrative services of American federal courts, shows how much the pragmatic approach taken by American federal colleagues has led to success. The only major Canadian project was conducted in the Toronto region and entails experimental use of common formats like MS-Word to exchange information between lawyers and courts. The last project we examined, the E-Court Filing project carried out in Georgia by the Georgia Courts Automation Commission, is something of a window into the most common technological choices being made today. The following summaries were based on the available literature, which in some cases was sparse. For that reason, they are necessarily lacking in detail. The overview they provide of recent e-filing models strikes us as useful none the less. We just hav...
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».