L’insuffisance du droit en matière d’éthique ou les lois sur l’éthique : voyage au pays de l’absurde !
Bibliographic record
Abstract
Les dernières années ont été riches en scandales politiques de toutes sortes. Pour tenter de résorber la situation et de corriger le tir, le gouvernement du Québec a fait adopter une loi à l’Assemblée nationale pour régir la nomination d’un commissaire à l’éthique et l’adoption d’un code d’éthique pour nos élus. Pour plusieurs, il y a là, plus qu’une réponse politique, un réel souci de régler le problème en encadrant mieux les comportements de nos élus, en régulant leur travail de même que celui des membres de l’administration publique et en établissant des normes pour ce travail. Pourtant, je ne crois pas que cela suffira puisque l’on ne s’attaque pas au véritable problème, qui est celui de la crise que traversent le droit et nos institutions. Le recours à l’éthique plutôt qu’au droit s’impose, non pas pour corriger et réguler les comportements, mais pour redonner son plein sens au travail des élus. Ce recours à l’éthique doit se faire en complémentarité avec le droit pour aider les élus à mieux cerner les risques éthiques qu’ils courent et pour doter nos institutions d’infrastructures éthiques.
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 | 0.011 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.013 | 0.025 |
| Scholarly communication | 0.017 | 0.012 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.006 | 0.011 |
| Insufficient payload (model declined to judge) | 0.033 | 0.003 |
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".