Pour un droit du règlement amiable des différends. Des défis à relever pour une justice de qualité
Bibliographic record
Abstract
L’ouvrage Pour un droit du règlement amiable des différends est le fruit d’une collaboration entre deux équipes de chercheurs en droit de l’Université de Toulouse (France) et de l’Université de Sherbrooke (Canada). Dans le contexte des réflexions conduites en France sur la Justice du XXIème siècle, il explore la contribution que peut y apporter le règlement amiable des différends, une tendance forte à l’échelle européenne, nord-américaine et même mondiale. Il souligne les principaux défis à relever pour assurer la qualité de cette forme de justice : l’accès des citoyens à une justice plurielle ; l’information et l’éducation aux modes de règlement amiable des différends ; l’implication des parties prenantes dans le règlement des conflits ; l’équité des procédés ; la formation d’intervenants qualifiés. \nMis au service de l’enseignement et de la formation, l’ouvrage est également destiné, par les propositions qu’il contient, à favoriser le développement d’une politique en faveur des modes de règlement amiable en France mieux construite et plus cohérente qu’elle ne l’est aujourd’hui. Enrichi des analyses d’auteurs québécois qui partagent l’état des avancées nord-américaines liées à la « justice participative », il dessine les premiers jalons d’un véritable droit du règlement amiable des différends en France structuré autour de principes directeurs clairement définis.
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 | 0.016 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.019 | 0.040 |
| Scholarly communication | 0.021 | 0.014 |
| Open science | 0.002 | 0.014 |
| Research integrity | 0.008 | 0.014 |
| Insufficient payload (model declined to judge) | 0.014 | 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".