Notice bibliographique
Résumé
Harm reduction approaches to drug use have been lauded for saving lives, being cost-effective, elevating pragmatism over prohibitionist ideology, being flexible in tailoring responses to the problem, and for their counter-hegemonic potential to empower people who use drugs. This article examines the legal system’s engagement with harm reduction, and, in particular, recent cases that incorporate harm reduction’s focus on empirical evidence in policy making into Canadian constitutional rights jurisprudence. It argues that harm reduction approaches in this venue may hold promise as a bulwark against some of the marginalizing features of traditional criminal justice approaches. However, the article also warns of a risk of inadvertently reinforcing the dominant discourse of criminalization and stigmatization as harm reduction’s features are embodied within the institutional frameworks of the state. Les approches visant a reduire les effets nocifs de l’utilisation de stupefiants ont ete vantees comme sauvant des vies, comme etant des solutions de rechange economiques qui placent le pragmatisme au-dessus de l’ideologie prohibitionniste, comme adoptant une attitude souple et offrant des reponses adaptees au probleme des stupefiants. Elles ont aussi ete vantees pour leur potentiel antihegemonique a donner des moyens aux utilisateurs de stupefiants. L’article examine l’engagement du systeme juridique par rapport a la reduction des effets nocifs, en particulier les cas recents qui integrent l’accent mis par cette approche sur les preuves empiriques dans l’elaboration de politiques a la jurisprudence constitutionnelle canadienne en matiere de droits. L’auteure avance que les approches de reduction des effets nocifs dans ce forum constituent peutetre un rempart contre certains des risques de marginalisation que presentent les approches de la justice penale traditionnelle. Elle met cependant en garde contre le risque de renforcer, par inadvertance, le discours dominant qui affirme que la criminalisation et la stigmatisation comme caracteristiques de la reduction des effets nocifs sont inherentes aux cadres institutionnels de l’Etat.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,017 | 0,149 |
| Communication savante | 0,017 | 0,007 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,009 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».