Réglementation et innovation dans le secteur juridique : les Alternative Business Structures dans le Legal Services Act 2007
Bibliographic record
Abstract
L’idée selon laquelle l’accès à la justice repose sur la capacité des juristes de concevoir de « nouveaux modèles d’affaires » pour la fourniture de services juridiques occupe une place croissante au sein de la communauté juridique au Canada et ailleurs. Suivant l’exemple donné par l’Angleterre et le pays de Galles avec l’adoption du Legal Services Act 2007, plusieurs barreaux nord-américains envisagent d’assouplir leur réglementation afin d’autoriser la pratique du droit dans différents types de structures d’entreprise dites « alternatives » (Alternative Business Structures ou ABS). Cet article examine l’approche adoptée dans le Legal Services Act 2007 relativement aux ABS et les effets que la réforme a eus sur le marché des services juridiques jusqu’à présent. Les données disponibles suggèrent que la présence d’ABS favorise l’innovation, mais n’est pas suffisante pour entraîner des changements à grande échelle des modèles d’affaires sur le marché, du moins à moyen terme. Elles indiquent aussi que l’accès au capital dont jouissent les ABS peut leur permettre d’avoir des effets importants sur le marché, sans égard à leur caractère innovant.
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 | 0.009 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.010 | 0.012 |
| Scholarly communication | 0.012 | 0.004 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".