MétaCan
Menu
← Retour à la cohorte
Enregistrement W607774589 · doi:10.71781/1786

L'erreur judiciaire : une démonstration difficile

2004· dissertation· fr· W607774589 sur OpenAlexaboutno aff
Yanick Laramée

Notice bibliographique

RevueOpen MIND · 2004
Typedissertation
Languefr
DomaineHealth Professions
ThématiqueHealth, Medicine and Society
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicine

Résumé

récupéré en direct d'OpenAlex

Une personne est injustement condamnée à l'emprisonnement. Elle est victime d'une erreur judiciaire. Plusieurs causes peuvent être à l'origine d'une telle injustice mais malheureusement il est difficile de le prouver. Le système de justice pénale au pays n'est pas à l'abri des condamnations injustifiées et plusieurs innocentes victimes en ont payé le prix. Or, comment une victime d'erreur judiciaire peut-elle prouver son innocence et ainsi recouvrer la liberté à laquelle elle a droit? Certes, l'aveu du coupable ou la découverte d'une nouvelle preuve peuvent servir de moyens de reconnaissance factuelle d'une condamnation injustifiée. Toutefois, certains obstacles procéduraux comme les délais d'appel, les règles d'admissibilité de la preuve nouvelle ou encore le mécanisme de correction des erreurs judiciaires prévu aux articles 696.1 et suivants du Code criminel peuvent compliquer le scénario. Avant le 4 juin 2002, cette dernière procédure était visée par l'article 690 du Code. Toutefois, suite à de nombreuses critiques ainsi qu'à une consultation publique orchestrée par le gouvernement canadien, des modifications législatives ont été apportées à cette procédure. Mais celles-ci sont-elles suffisantes? Nous pensons que certaines des modifications sont grandement appréciables. Cependant, la structure d'évaluation des dossiers et de recommandation des dossiers au ministre de la Justice mériterait la mise en place d'un comité formé d'avocats indépendants pour conseiller ce dernier. Cela est nécessaire afin de réduire à néant tout conflit d'intérêts potentiel de la part du Ministre et d'assurer la transparence du processus en cause.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0140,013
Communication savante0,0080,006
Science ouverte0,0020,010
Intégrité de la recherche0,0090,015
Charge utile insuffisante (le modèle a refusé de juger)0,0140,004

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,447
Écart entre enseignants0,374 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetHealth, Medicine and Society→Travaux en français237 207→