Bibliographic record
Abstract
Il est reconnu, en droit, qu'un juge est fondé de s'appuyer sur les règles\njurisprudentielles. En fait, il peut s'y appuyer et doit même s'y conformer: ces règles qui\nsont définies dans des décisions font autorité. Il doit respecter la règle du précédent et\nrester sur la décision (« stare decisis »).\nSelon cette conception, la jurisprudence s'accumule au fil du temps: de plus en\nplus de décisions peuvent être citées à l'appui d'un point de droit. Mais en pratique, le\nrésultat est différent. La jurisprudence citée change. Le droit évolue. Et les jugements,\nun jour importants, finissent par être oubliés. Éventuellement, ils sont remplacés par la\njurisprudence plus jeune.\nDans ce mémoire, une approche jurimétrique est utilisée pour évaluer le rythme\nauquel le droit évolue. C'est-à-dire que des calculs statistiques sont effectués à l'aide de\nprogrammes informatiques afin de comparer, d'un échantillon à un autre, le rythme\nauquel le droit change. De façon générale, ils permettent de comptabiliser l'âge des\ncitations dans les jugements et établissent des moyennes. Ils permettent d'établir l'âge de\ndemi-vie des jugements et offrent, ainsi, une mesure du rythme auquel le droit évolue.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.013 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.041 | 0.011 |
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".