De belangenbehartiger bij letselschade:Over het bevorderen van kwaliteit en het tegengaan van zorgelijke praktijken op de markt voor belangenbehartigingsdienstverlening bij letselschade
Bibliographic record
Abstract
Deze studie gaat over de kwaliteit van belangenbehartiging op de Nederlandse markt voor belangenbehartigingsdienstverlening bij letselschadegevallen. De benadeelde die door letsel schade lijdt en daarvoor via het aansprakelijkheidsrecht compensatie wenst te verkrijgen van de aansprakelijke c.q. diens aansprakelijkheidsverzekeraar, wendt zich vaak tot een belangenbehartiger om dit te bewerkstelligen. Onder belangenbehartiging verstaan we dus het bijstaan door de belangenbehartiger van de benadeelde op grond van een contractuele opdracht van die benadeelde. Deze studie heeft als doelstelling het verkrijgen van inzicht in de samenstelling van de markt voor dienstverlening door belangenbehartigers, het verkrijgen van inzicht in kwaliteit van die belangenbehartiging en de factoren die deze kwaliteit bevorderen en belemmeren, en het verkrijgen van inzicht in mogelijke verbeteringen in die kwaliteit.
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 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.015 | 0.015 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.032 | 0.005 |
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".