Customary Law and Multiple Legal Systems in Criminal Justice: Indonesia's Penal Reform Experience
Notice bibliographique
Résumé
Indonesia's 2023 Penal Code represents a groundbreaking shift from colonial legal monism to constitutional pluralism by recognizing "living law" as a legitimate criminal law source. However, this historic constitutional acknowledgment encounters severe implementation challenges, creating institutional paralysis and intensifying customary law disputes. This qualitative study combines normative legal analysis with comparative case methodology, examining four customary systems: Batak Dalihan Na Tolu, Javanese Rukun, Balinese Desa Adat, and Papua Clan System. The research reveals critical implementation gaps across constitutional, judicial, and community levels, where uniform approaches fail to accommodate Indonesia's 1,300+ diverse customary traditions. Implementation failures manifest through constitutional ambiguity generating legitimacy crises, judicial uncertainty producing inconsistent applications, and community marginalization that transforms dynamic oral traditions into rigid bureaucratic processes. These cascading challenges systematically undermine the constitutional promise of legal pluralism. To address these failures, the study proposes a Managed Legal Pluralism framework structured around four interconnected pillars: Recognition, Regulation, Implementation, and Safeguards. This framework enables differentiated approaches accommodating varying customary compatibility levels while ensuring constitutional compliance. Cross-national analysis with South Africa and Canada validates this integration approach, highlighting risks of excessive formalization while demonstrating pathways for transforming symbolic recognition into effective legal pluralism that balances human rights protection with cultural preservation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».