Beyond Binary Justice: A Comparative Study of Gender Neutrality in Indian and International Criminal Laws
Notice bibliographique
Résumé
Across criminal justice systems, “gender neutrality” has become a contested aspiration. Many jurisdictions have moved from gender specific offences especially in the domains of sexual offences, workplace harassment, and domestic violence toward gender inclusive or at least gender aware drafting. India’s recent overhaul of its penal code (the Bharatiya Nyaya Sanhita, 2023), together with legacy frameworks like the POSH Act, 2013 and the Protection of Women from Domestic Violence Act, 2005, has reignited debate on whether formal neutrality better advances equality than targeted, gender specific protections. This paper offers a doctrinal, comparative analysis. It (i) sets out working definitions and theoretical lenses (formal equality, substantive equality, and intersectionality), (ii) examines Indian constitutional and statutory developments alongside leading Supreme Court decisions, (iii) compares approaches in the United Kingdom, Canada, South Africa, New Zealand, and the United States, and (iv) reads these domestic frameworks against international and regional instruments (CEDAW, the Istanbul Convention, the Rome Statute/ICC Elements of Crimes, the Yogyakarta Principles). I argue that formal gender neutrality sometimes obscures structural asymmetries, while context sensitive neutrality paired with robust procedural protections and implementation can extend protection without erasing the realities of gendered violence. The paper concludes with a reform blueprint for India that reconciles constitutional equality with practical protection: making victim facing provisions gender inclusive, retaining targeted programming where warranted, clarifying consent standards, improving data and implementation capacity, and aligning with comparative best practices and India’s human rights commitments.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,013 | 0,017 |
| Communication savante | 0,011 | 0,007 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».