Kapitel 6) Vergleich des US-amerikanischen und deutschen Diskurses und Kontextualisierung der ermittelten Ergebnisse
Bibliographic record
Abstract
A) Die deliktische Haftung von Unternehmen für MenschenrechtsverletzungenEiner der auffälligsten Unterschiede zwischen den beiden Literaturkorpora liegt darin, dass sich ein beträchtlicher Teil der US-Literatur mit der Rechtsprechung der US-Bundesgerichte zur Haftung von Unternehmen wegen Menschenrechtsverletzungen unter dem ATS befasst, während eine vergleichbar intensive Befassung mit der deliktischen Haftung von Unternehmen in der deutschen Korpusliteratur nicht auszumachen ist (I).Die Befassung mit dem ATS führt dazu, dass in der US-Literatur z. T. Terminologien und Argumentationsmuster vorzufinden sind, die in der deutschen Literatur kaum angeführt werden (II).Der Fokus der US-Korpusliteratur auf das ATS ist zunächst der zentralen Bedeutung dieser Rechtsprechung für das Thema BHR geschuldet, entspricht aber auch der häufig festgestellten Tendenz, dass die US-amerikanische Völkerrechtswissenschaft der US-Völkerrechtspraxis besondere Aufmerksamkeit beimisst (III).Nicht allein, aber auch auf die ATS-Rechtsprechung zurückzuführen ist die Auseinandersetzung mit den Nürnberger Industriellenverfahren, die US-Bundesgerichte und die US-Korpusliteratur z. T. als Präzedenzfall für die Annahme völkerrechtlicher Unternehmenspflichten heranziehen
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 | 0.012 | 0.040 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.008 | 0.011 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.118 | 0.021 |
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".