Les mesures législatives de lutte contre la discrimination raciale au Québec
Bibliographic record
Abstract
La plupart des États occidentaux ont mis en place des dispositifs de lutte contre les discriminations qui, au lieu de punir, visent la réparation des préjudices subis par les victimes, en plus de comporter une dimension éducative. Par ailleurs, le redressement « proactif » de certaines inégalités est de plus en plus recherché, par la voie législative notamment. Au Québec, ces trois aspects de la lutte contre le racisme et la discrimination raciale – l’action juridique, l’éducation et le redressement actif des inégalités – sont présents et s’interpénètrent. Sur la base de l’expérience de la Commission des droits de la personne et des droits de la jeunesse, chargée de voir au respect du droit à l’égalité, l’auteur propose un bilan institutionnel de cette action juridique. Il met aussi en lumière certains défis qui se posent aujourd’hui en matière de lutte contre la discrimination raciale. Ce bilan montre que l’action juridique ne peut être envisagée séparément des autres dimensions de la lutte contre la discrimination, soit la dimension éducative et la réduction active des inégalités.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.010 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.022 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".