Hacia una digitalización de los sistemas judiciales centrada en las personas que fomente el empoderamiento, los nuevos derechos y el trato justo en medio de la brecha digital.
Notice bibliographique
Résumé
Advanced digital tools used by justice systems, such as electronic communications, remote interactions, videoconferencing, remote access to judicial files, and interactions with online dispute resolution platforms, heighten users’ exposure to the digital world. This can be particularly challenging for self-represented litigants. As digitalization intensifies, addressing the digital divide and protecting rights in human–machine interactions are becoming increasingly relevant. In response to this digital shift, the idea that people should be at the centre of justice digitalization projects is gaining ground, prioritizing more than just the efficiency of the public justice system. The challenge is to substantiate this objective and translate it into concrete measures and actions that go beyond maintaining the protection of fundamental rights. This chapter aims to identify good practices, regulatory alternatives, and complementary measures to achieve a truly people-centred digitalization of justice. For this purpose, regulatory measures introduced in judicial systems in Europe (such as the European judicial cooperation and national developments in Estonia, the Netherlands, Spain, and the United Kingdom), Asia (China and Singapore), and the Americas (the United States and Canada) are reviewed. Models for electronic communications digitalization, the use of videoconferencing, the creation of online courts, and other actions to achieve a people-centred digitalization of justice systems are examined.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».