Notice bibliographique
Résumé
Abstract Purpose – This chapter has three general purposes: to trace Canada’s hate speech laws from their policy inception to their current state; to identify the importance that media and mass communication have played in the creation and development of Canada’s hate speech laws; and to demonstrate the critical relationship that media has had to significant legal cases on hate speech. Methodology/Approach – This chapter historically maps the policy development of and legal challenges to Canada’s hate speech laws. It takes directed notice of the relationship of media and mass communication to the development and implementation of those laws. It engages with libertarian and egalitarian arguments on free speech throughout the chapter testing these ideas through an examination of the legal cases cited. Findings – Canadian legislators and courts have long grappled with the balancing of rights with respect to the issue of “hate speech.” Advances in mass communication technology have added intricate challenges to that legal balancing. Awareness of media’s allure to hatemongers and racial extremists and of media’s protean characteristics make regulation of its hateful content a continuous legal challenge. Canada’s greatest challenge yet to the regulation of hate speech will be its adaptive response to the growing phenomenon of online hate. Originality/Value – This chapter highlights the little recognized prescient statements made by the Cohen Committee about the allure of media and the dangers of its technological advancements in Canadian free speech debates. Providing a comprehensive survey of Canada’s “hate speech” laws, it recognizes the importance that advancements in mass communication have played in the creation and development of Canada’s “hate speech” laws.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».