論文の概要: Public Authorities as Defendants: Using Bayesian Networks to determine the Likelihood of Success for Negligence claims in the wake of Oakden

• arxiv url: http://arxiv.org/abs/2002.05664v1
• Date: Sat, 1 Feb 2020 14:24:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 01:14:52.071498
• Title: Public Authorities as Defendants: Using Bayesian Networks to determine the Likelihood of Success for Negligence claims in the wake of Oakden
• Title（参考訳）: 被告人としての公的機関-オークデン事件後、ベイジアンネットワークを利用して不利な主張が成功する可能性を決定する
• Authors: Scott McLachlan, Evangelia Kyrimi, and Norman Fenton
• Abstract要約: 本論文は,イングランドの法律的伝統に基づく1つの司法管轄区域であるオーストラリアにおける事例と状況について考察する。 公務員に対する過失の主張をもたらす市民原告に対して、成功の確率を決定することのできるベイズ的解決策を提案する。 ケース監査データに基づいてトレーニングされたベイズネットワークの使用は、原告訴訟がすべての要求を満たしたとしても、成功は保証されないことを示している。
• 参考スコア（独自算出の注目度）: 0.13764085113103217
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Several countries are currently investigating issues of neglect, poor quality care and abuse in the aged care sector. In most cases it is the State who license and monitor aged care providers, which frequently introduces a serious conflict of interest because the State also operate many of the facilities where our most vulnerable peoples are cared for. Where issues are raised with the standard of care being provided, the State are seen by many as a deep-pockets defendant and become the target of high-value lawsuits. This paper draws on cases and circumstances from one jurisdiction based on the English legal tradition, Australia, and proposes a Bayesian solution capable of determining probability for success for citizen plaintiffs who bring negligence claims against a public authority defendant. Use of a Bayesian network trained on case audit data shows that even when the plaintiff case meets all requirements for a successful negligence litigation, success is not often assured. Only in around one-fifth of these cases does the plaintiff succeed against a public authority as defendant.
• Abstract（参考訳）: いくつかの国は現在、高齢者ケア分野における無視、質の悪いケア、虐待の問題を調査中である。 多くの場合、高齢者ケア提供者の免許と監視を行う州であり、最も脆弱な人々が世話する施設の多くを州が運営しているため、深刻な利害対立を引き起こすことが多い。 ケアの基準によって問題が発生すると、多くの州は深い犯罪者と見なされ、高価値な訴訟の標的となる。 本論文は,オーストラリアにおける英国法伝統に基づく1つの司法管轄区域の事例と状況について考察し,公的な権威を有する被告に対して過失債権を提起する市民原告の成功する確率を決定するベイズソリューションを提案する。 ケース監査データに基づいてトレーニングされたベイズネットワークの使用は、原告訴訟がすべての要求を満たしたとしても、成功は保証されないことを示している。 これらの事件の5分の1程度で、原告は被告としての公的権威に対して成功する。

関連論文リスト

• Automating Transparency Mechanisms in the Judicial System Using LLMs: Opportunities and Challenges [2.132063902944522]
  LLMは、これらの透明性パイプラインを自動化し、スケールする可能性がある。 2つの重要な裁判所プロセスにおいて透明性を提供するためにLLMを使用する機会と課題について論じる。
  論文  参考訳（メタデータ） (2024-08-16T01:40:23Z)
• CoDefeater: Using LLMs To Find Defeaters in Assurance Cases [4.4398355848251745]
  本稿では,大言語モデル (LLM) を利用して敗者を見つける自動化プロセスであるCoDefeaterを提案する。 2つのシステムの最初の結果は、LLMが安全アナリストを支援するために、既知の、予期せぬ破壊者を効率的に見つけることができることを示している。
  論文  参考訳（メタデータ） (2024-07-18T17:16:35Z)
• Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
  我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。 このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。 適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
  論文  参考訳（メタデータ） (2024-03-21T14:48:37Z)
• (Beyond) Reasonable Doubt: Challenges that Public Defenders Face in Scrutinizing AI in Court [7.742399489996169]
  我々は,公務員が法廷でどのようにAIを精査するかを研究することによって,実際にAIシステムに挑戦する努力を研究する。 我々は,米国公共防衛コミュニティの17人のインタビューから得られた知見を報告する。
  論文  参考訳（メタデータ） (2024-03-13T23:19:46Z)
• A Safe Harbor for AI Evaluation and Red Teaming [124.89885800509505]
  一部の研究者は、そのような研究の実施や研究成果の公表が、アカウント停止や法的報復につながることを恐れている。 我々は、主要なAI開発者が法的、技術的に安全な港を提供することを約束することを提案します。 これらのコミットメントは、ジェネレーティブAIのリスクに取り組むための、より包括的で意図しないコミュニティ努力への必要なステップである、と私たちは信じています。
  論文  参考訳（メタデータ） (2024-03-07T20:55:08Z)
• Multi-Defendant Legal Judgment Prediction via Hierarchical Reasoning [49.23103067844278]
  マルチディペンダント・ケースの各被告に対する判断結果を自動予測することを目的としたマルチディペンダント・LJPの課題を提案する。 マルチディペンダント LJP の課題は,(1) 各被告の識別不能な判断結果, (2) 訓練と評価のための実世界のデータセットの欠如である。
  論文  参考訳（メタデータ） (2023-12-10T04:46:30Z)
• From Chaos to Clarity: Claim Normalization to Empower Fact-Checking [57.024192702939736]
  Claim Normalization(別名 ClaimNorm)は、複雑でノイズの多いソーシャルメディア投稿を、より単純で分かりやすい形式に分解することを目的としている。 本稿では,チェーン・オブ・ソートとクレーム・チェック・バシネス推定を利用した先駆的アプローチであるCACNを提案する。 実験により, CACNは様々な評価尺度において, いくつかの基準値を上回る性能を示した。
  論文  参考訳（メタデータ） (2023-10-22T16:07:06Z)
• Incentive-Theoretic Bayesian Inference for Collaborative Science [59.15962177829337]
  未知のパラメータについて、プライベートな先行エージェントが存在する場合の仮説テストについて検討する。 エージェントの戦略行動によって明らかにされる情報を活用する統計的推論を行う方法を示す。
  論文  参考訳（メタデータ） (2023-07-07T17:59:01Z)
• Unsupervised Machine Learning for Explainable Medicare Fraud Detection [16.275152941805622]
  我々は、医療を超過するプロバイダを特定するための、新しい機械学習ツールを開発した。 大規模なメディケアの請求データを用いて、詐欺や過度な監視と整合したパターンを識別する。 提案手法は、ラベル付きトレーニングデータに頼らず、完全に教師なしである。
  論文  参考訳（メタデータ） (2022-11-05T15:37:51Z)
• Case law retrieval: problems, methods, challenges and evaluations in the last 20 years [23.13408774493739]
  我々は過去20年間の事例法検索の方法を調査した。 今後、事例法検索システムの評価に直面する課題と課題について概説する。
  論文  参考訳（メタデータ） (2022-02-15T06:01:36Z)
• What About the Precedent: An Information-Theoretic Analysis of Common Law [64.49276556192073]
  一般的な法律では、新しい事件の結果は、既存の法令ではなく、前例によって決定されることが多い。 私たちは、2つの長年にわたる法学的な見解を比較することで、この問題に最初に取り組みました。 前例の主張は事件の結果と0.38ナットの情報を共有しているのに対し、前例の事実は0.18ナットの情報しか共有していない。
  論文  参考訳（メタデータ） (2021-04-25T11:20:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。