Bridging the gap between facts and norms: mutual trust, the European Arrest Warrant and the rule of law in an interdisciplinary context
Notice bibliographique
Résumé
Abstract The rule‐of‐law‐backsliding in some Member States has subverted not only one of the EU fundamental values but also trust among national authorities when implementing European Arrest Warrants (EAW). However, when evaluating the execution of EAWs issued by countries experiencing rule‐of‐law crises, the Court of Justice of the EU (CJEU) sought to preserve judicial cooperation and imposed a rather “top‐down” view on mutual trust among Member States. This approach seemingly disregards the (dis)trust which has emerged in the EU due to rule‐of‐law‐backsliding and fails to acknowledge the psycho‐sociological nature of trust. Drawing on the trust literature, the paper offers novel conceptual elements to rethink mutual trust in the EAW framework. Notably, it critically assesses some of the gaps in the CJEU's interpretation of mutual trust and advances suggestions to embed empirical considerations in the conceptualisation of this principle to bridge the gap between trust in practice and in principle.
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 | 0,033 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,082 |
| Communication savante | 0,022 | 0,022 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,010 | 0,007 |
| 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 ».