L’usage par les juges allemands de la connaissance scientifique sur la dangerosité des pesticides et des ondes électromagnétiques
Bibliographic record
Abstract
Cet article propose une analyse de l’usage par les juges allemands de la connaissance scientifique sur la dangerosité des pesticides et des ondes électromagnétiques. Il va de soi que les juridictions doivent dans tous les cas recourir au savoir scientifique, mais la question est celle de savoir comment établir ce savoir dans le procès. En ce qui concerne les contentieux administratifs, les juges ont tendance à suivre les résultats et évaluations de l’autorité administrative compétente. Au cas où il existe des valeurs limites officielles établies par les autorités administratives spécialisées en la matière, les juridictions, en matière civile ainsi qu’administrative, vont pourtant appliquer ces valeurs. Les expertises judiciaires, par contre, ne sont généralement utilisées que pour confirmer le résultat trouvé par l’autorité administrative compétente ou par l’application des valeurs limites des autorités administratives spécialisées. Si une expertise judiciaire n’est pas en conformité avec ces données, le juge va en général argumenter que l’expertise judiciaire n’est pas convaincante.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".