法律位阶判断标准的反思与运用

来源 :中国法学 | 被引量 : 0次 | 上传用户:qxy489354518
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
法律位阶理论提供了判断法律形式之间位阶关系的两大标准,即条件关系和废止关系。其中,条件关系是积极标准,废止关系是消极标准,一个法律形式只有在授权另一个法律形式产生的基础上并能够单向否定被授权产生的法律形式的效力时,两者之间才能形成上下位阶关系。如果缺乏条件关系或者构成双向废止关系,则为相同位阶关系。我国传统的法律位阶的判断标准,无论是制定机关的地位高低还是立法生效范围的大小,都存在一些问题,因此有必要反思。同时,我国某些立法之间的位阶关系还不明确,也需要运用法律位阶理论提供的判断标准予以厘清。法律位阶对于维护国家法制统一和开展立法审查具有重要的实践意义。
其他文献
少儿舞蹈是儿童社会艺术教育中的一门重要艺术学科,其对于少儿身心健康的发展起着非常重要的作用。随着素质教育改革举措的健全与深入,对于少儿舞蹈的内容也提出了新要求。少儿舞蹈应当紧密贴合儿童的生活,充分体现孩子们的童真童趣。教师在创作舞蹈作品时,也要遵循孩子们的性格特点和心理特征。本文从儿童的视角出发,试图探索少儿舞蹈内容的真谛和"回归童真"的途径。
农作物秸秆具有产量大、种类多等特点,是农民生活及农业发展的珍贵资源。根据四川省广安市秸秆的产生情况、分布情况及利用情况,深入探讨农作物秸秆综合利用存在的问题,并从因地制宜推广秸秆综合利用方式、产业协同发展推进秸秆就地就近利用及创新运营模式推进培育市场化运作3个方面提出针对性的对策。
目前国家对孩子的素质教育尤为重视。家长也越来越重视对孩子才艺以及兴趣爱好的培养。在当下的教育发展中少儿素质教育在不断地深入,少儿舞蹈成为素质教育的重要内容。在新形势下舞蹈教师逐渐开始重视课堂中少儿童心童趣的激发,慢慢探索在少儿舞蹈的学习中如何展示孩子的天性,能够开发少儿自身创造力的教学方式。在本文的研究中将结合青海省青少年活动中心少儿舞蹈教学中"童心童趣"激发的现状,分析教学活动中存在的问题,探索
近年来,新疆会展业和旅游业都呈现迅速发展的态势,两者相互互动共赢已成为城市经济新的增长点,但目前缺乏实证和定量研究明确两者关系。本文运用皮尔逊(pearson)相关性分析、主成分分析方法和线性回归方法,从定量的角度,以中国-亚欧博览会为例,研究新疆会展业与旅游业的关系。分析结果表明,新疆旅游业与会展业存在显著相关关系,且旅游业对会展业的推动作用大于会展业对旅游业的推动作用。
随着"互联网+教育"的发展,网络与教学的联系越来越密切。近年来,我国很多学校都开始使用网上授课方式,网课成了学生学习的一种重要方式,在教学中发挥着重要作用。本文在网络教学文献研究的基础上,结合网络教学的应用实践,对网络教学的优势进行分析,并针对存在的网课平台杂乱、教师专业技能薄弱、学生个体学习差异大等问题,提出规范网站管理、转变教师观念和促进学生的自我构建等对策,以促进网络教学的发展。
我学术生涯的大部分时间都用来了解新闻业正在发生的事情,以及这将如何建构人们最终看到的新闻。众所周知,美国以及其他地方的新闻机构正面临巨大的经济危机。在我新近出版的《白富蓝新闻:场所和权力如何扭曲美国新闻业》(News for the Rich, White and Blue:How Place and Power Distort American Journalism)一书中,我发现新闻机构
期刊
为了解决多套相邻智能雷达设备同时使用时的相互干扰问题,提出了直接序列扩频体制雷达的方案,利用相关处理分离同频发射机的回波,提出了由相关函数生成距离-多普勒图像的信号处理方法。建立了直接序列扩频超声雷达手势识别系统的收发信号和收发机的模拟模型,其中提出的滤波器收发器模型仿真了有限带宽效应,发射波回溯的手势回波生成算法支持各种复杂调制方式的仿真。模拟实验表明采用本文信号处理方法的直接序列扩频雷达能够实
陶渊明《读〈山海经〉十三首》中的"精卫衔微木,将以填沧海。刑天舞干戚,猛志固常在"是流传千古的名句,其中"刑天舞干戚"一句早期版本作"形夭无千岁"。前人在二者孰是孰非的问题上,各执己见,难以定论。在对陶渊明诗和《山海经》文本进行细致分析后,我们认为"无千岁"是"舞干戚"之误。进而根据郭璞《山海经图赞》一诗的分析,论定《山海经》原本作"形夭",陶渊明诗的正确写法应该是"形夭舞干戚"。
随着万物互联时代的到来,边缘计算正逐渐成为物联网领域中新的计算范式,在人工智能技术的飞速发展下,边缘智能(Edge Intelligence,EI)将是大势所趋。与传统的云计算模式相比,资源分散且受限的边缘计算模式,给人工智能服务的训练推理、模型部署、资源分配等,都带来了非常大的挑战。本文针对边缘智能中任务推理场景和模型训练场景进行了分析,并设计了相应的优化算法。首先,针对边缘智能中的深度神经网络