A argumentação no tribunal do júri: emoção e empatia do advogado de defesa em casos de homicídio
Notice bibliographique
Résumé
Analisar a argumentação presente na sustentação oral de um advogado que defende um réu homicida e a sua relação com o convencimento dos jurados é o propósito deste trabalho. Dessa forma, fundamenta-se na nova retórica de Perelman e Olbrechts-Tyteca (1996); na sequência argumentativa de Adam (2011), em diálogo com as teorias de emoção, com Plantin (2011) e empatia com Rabatel (2013). Com a finalidade de padronizar a transcrição do corpus, ele foi passado para as normas do Projeto da Norma Urbana Oral Culta (NURC). A análise do dado aponta para os seguintes resultados: a sequência argumentativa seguiu o nível justificativo; sobre o argumento emocional, notamos que foi marcado por lexemas subjetivos; por fim, sobre o argumento empático, verificamos que os mais recorrentes foram a de que L1/E1 se colocar no lugar dos jurados, para evitar arrependimentos futuros, e, o do L1/E1 se colocar no lugar da mãe da vítima.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,015 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».