Development of an UNDRIP Compliance Assessment Tool: How a Performance Framework Could Improve State Compliance
Notice bibliographique
Résumé
Improving state compliance with the United Nations Declaration on the Rights of Indigenous Peoples (UNDRIP) can be supported by monitoring and measurement. Current approaches to monitoring state compliance with the UNDRIP are qualitative and non-standardized, which limits comparability across time and across geopolitical lines. In this article, we introduce a novel approach to monitoring compliance with the UNDRIP and human rights more generally. This work highlights the potential advantages of using a performance improvement framework to clearly identify gaps in compliance, monitor state compliance with the Declaration over time, and effectively assess and compare state compliance. We describe the development of a standardized UNDRIP compliance assessment tool and report the process and findings of a pilot test of the tool. The pilot assessment utilized the UN Special Rapporteur on the Rights of Indigenous Peoples' (SRRIP; Anaya, 2014) findings on the situation of Indigenous Peoples in Canada in three thematic areas: (a) self-government and self-governance; (b) consultation and free, prior, and informed consent (FPIC); and (c) land and natural resources. While insufficient for a fulsome assessment of Canada’s compliance with the UNDRIP, we restricted ourselves to the report for two reasons: first, to test the applicability of the tool for quantifying qualitative data; and, second, to evaluate the degree to which the UN monitoring mechanism for Indigenous rights adheres to the Declaration’s Articles for monitoring and reporting. We discuss implications and opportunities for improving human rights monitoring and state implementation efforts.
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 | 0,180 | 0,260 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,015 | 0,011 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,014 | 0,015 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
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 ».