MétaCan
Menu
← Retour à la cohorte
Enregistrement W7098171391

Vol. 23 Dalhousie Journal of Legal Studies 191 COMPLICAT ING THE S IMPLE PROBABIL ITY PRINCIPLE: DEVELOPING A NEW APPROACH TO PROBABIL IST IC REASONING IN PERSONAL INJURY L IT IGAT ION

2016· article· en· W7098171391 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDiverse Scientific and Economic Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSimple (philosophy)Personal injuryLiabilityBalance (ability)Compensation (psychology)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Canadian courts use simple probability reasoning inconsistently in personal injury litigation, subjecting litigants to irregular legal principles and potentially improper compensation. Turning to foundational principles of tort litigation, I suggest a new framework for the availability of simple probability that would promote greater coherence. Simple probability reasoning is under-stood as an alternative standard of proof that enables compensation for a loss proportional to the likelihood that the loss will occur. Accordingly, the avail-ability of simple probability is thought to depend on which types of facts (past vs. future vs. hypothetical facts) are amenable to balance of probabilities proof versus simple probability. This is the ‘type of fact ’ framework, but it is not applied consistently. Part 1 argues that the inconsistency is rooted in the mischaracterization of simple probability reasoning as a standard of proof. It is better conceived of as a method of enabling chances, in their own right, to become legally relevant facts. Understood this way, simple probability is available only where chances are relevant to the legal determination at stake. I apply this characterization in Part 2, concluding that while simple probability reasoning is irrelevant to liability determinations, it is crucial in appropriately assessing damages.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,523
Score d'incertitude au seuil0,949

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0100,018
Communication savante0,0220,005
Science ouverte0,0020,006
Intégrité de la recherche0,0070,008
Charge utile insuffisante (le modèle a refusé de juger)0,1000,008

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 Opus0,104
Tête enseignante GPT0,283
Écart entre enseignants0,178 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDiverse Scientific and Economic Studies→Travaux en français237 207→