Bibliographic record
Abstract
Le nombre de 300 000 enfants combattants est une estimation annuelle conservatrice avancée par les experts du milieu pour susciter un plus large consensus international sur l’urgence d’intervenir. Ce nombre demeure constant depuis le milieu des années 1990 et cache en réalité un chiffre beaucoup plus alarmant : celui incluant la succession de générations d’enfants combattants. Quelles sont donc les failles d’un système international qui permet encore en 2006 que l’enfance continue d’être massacrée ? À partir du traitement des sources documentaires et de notre expérience terrain des 15 dernières années dans le secteur de l’aide humanitaire, nous posons comme principe dans cet article que puisque l’enfant est désormais considéré comme un sujet de droit, tel que consacré par la Convention internationale relative aux droits de l’enfant, les adultes responsables de sa protection (parents, communautés nationale et internationale) ont failli à leur tâche. Nous avançons de même que les outils du droit international dans leur forme actuelle et étudiés ici, et malgré des efforts notables d’amélioration, présentent toujours de sérieuses lacunes et demeurent insuffisants en ce qui concerne la protection des enfants afin d’éviter qu’ils ne deviennent des acteurs dans les conflits armés.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".