Bibliographic record
Abstract
Le reseau Internet s’avere etre un outil important pour les juristes. Il rend possible la constitution d’une base de donnees juridiques, la creation de revues de droit, la mise sur pied de forums de discussion sur les questions de droit, la diffusion d’ouvrages, etc. Le reseau Internet facilite les recherches en droit, car grâce aux bases des donnees, les juristes peuvent facilement acceder notamment aux textes legaux et reglementaires, a la jurisprudence et aux textes de doctrine. Cependant, Internet peut egalement servir a resoudre les conflits qui surviennent dans les rapports entre les internautes ou entre les internautes et les operateurs du reseau Internet. La cyberjustice existe deja, a petite echelle. L’on peut se permettre de mentionner le Centre de mediation et d’arbitrage de l’OMPI, le Virtual Magistrate, l’Online Ombuds Office, le CyberTribunal et le Reglement Uniforme de l’ICANN. S’il faut saluer les efforts qui ont abouti a l’existence de ces instances de cyberjustice, il convient pourtant de reconnaitre leurs limites. En effet, ces diverses formes de cyberjustice ont un caractere prive et demeurent incapables d’assurer la repression des infractions. Ensuite, elles ne tiennent pas compte du desequilibre des rapports entre teletravailleurs et employeurs, puisqu’elles reconnaissent a ces deux groupes des droits equivalents quant au choix de la juridiction et des regles applicables. Enfin, en l’etat actuel de la cyberjustice, le sens de la justice est sacrifie a la celerite. Certains droits reconnus aux parties — celui de jouir d’un double degre de juridiction en particulier — sont ignores. Ces faits montrent bien la necessite de concevoir des modeles d’institutions plus appropries en vue de l’instauration d’un certain ordre dans le reseau Internet. C’est dans cette optique que la presente etude offre quelques modeles de juridictions virtuelles, dont une juridiction virtuelle repressive.
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 | 0.006 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.010 | 0.034 |
| Scholarly communication | 0.023 | 0.022 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.009 | 0.013 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".