R. v. Sharma: Reckoning with Destabilizing Truths in Constitutional Equality Adjudication
Notice bibliographique
Résumé
The Supreme Court of Canada’s 2022 decision in R. v. Sharma provides a window on contemporary but divergent judicial approaches to systemic racism in the criminal legal system and how these inform equality challenges based on race. The Sharma majority follows a trend identified by Efrat Arbel in recognizing the “crisis” of Indigenous mass incarceration using language which diffuses the causes of the crisis and does not generate urgent redress. However, in some cases, including in the Sharma dissent, recognition by judges can be an acceptance of accountability as part of the system which has produced these effects. We then argue that claims like Sharma’s can be profoundly destabilizing in a variety of ways — these claims implicate judges as key players in the criminal legal system, they challenge doctrinal and philosophical commitments to individual culpability and blame, and they also create anxiety about the appropriate institutional roles of courts and judges. The Sharma dissent might also, in a contradictory way, restabilize by bringing some radical claims about the criminal legal systems into the embrace of doctrine. We ask how the courts have reckoned with the reality of systemic racism in the criminal legal system and Indigenous mass incarceration as equality matters, noting that section 15 has been avoided in some cases and evaded through evidentiary issues in others. However, we suggest that in the contemporary context, to completely avoid the issue might cause legitimacy problems for courts. While litigation and courts are not likely to be the vehicle for eliminating either Indigenous mass incarceration or systemic racism in our criminal legal system, they can be part of wider shifts in discourse and policy which show greater promise for lasting change.
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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 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 ».