MétaCan
Menu
Retour à la cohorte

La preuve numérique : étude comparative du droit français, libanais et québécois

2024· dissertation· W7151994946 sur OpenAlexaboutno aff
Nagham Mrad

Notice bibliographique

Revuenon disponible
Typedissertation
Langue
DomaineComputer Science
ThématiqueDigital and Cyber Forensics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJurisprudenceCommon lawContext (archaeology)

Résumé

récupéré en direct d'OpenAlex

La droit de la preuve a subi, avec l’ère du numérique, des transformations profondes, introduisant des nouvelles formes de preuve. En réponse à ses avancées technologiques, le droit de la preuve a dû s’adapter afin de pouvoir encadrer adéquatement les nouvelles formes de preuve numérique, produits en procès.L’adaptation à ces nouvelles technologies n’est pas toutefois la même dans les systèmes juridiques français, libanais et québécois. Ainsi, bien qu’elle est similaire en droit français et en droit libanais, elle diffère en droit québécois, qui intègre la notion de document technologique dans la loi concernant le cadre juridique des technologies de l’information. Deux approches distinctes poursuivent en effet la même finalité d’assurer un encadrement rigoureux de ces nouvelles formes de preuves technologiques. Ainsi, alors que le droit libanais et le droit français se concentrent sur les écrits électroniques, le droit québécois adopte une approche plus large, incluant non seulement les écrits électroniques mais également toute forme de document technologique à savoir les témoignages et mes éléments matériels également.L’adaptation des lois, bien qu’elle semble être différente, toutefois les trois systèmes juridiques s’accordent sur un régime presque commun concernant ces nouvelles formes d’éléments de preuve. Un contrôle similaire est ainsi effectué s’agissant de l’authenticité des éléments de preuve numérique mais également de leurs licéités.Alors à travers cette approche comparative, la présente étude tend à montrer que même si les approches d’adaptation sont différentes, la marche poursuivi par les tribunaux pour admettre et recevoir ces éléments de preuves sont similaires du point de vue du contrôle de l’authenticité et de la licéité de ces preuves.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,815
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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 Opus0,014
Tête enseignante GPT0,260
Écart entre enseignants0,246 · 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 tête enseignante, pas un consensus.

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital and Cyber ForensicsTravaux en français237 207