Contributions actuelles et virtuelles des droits de la personne aux décisions judiciaires et à l’évolution de la justice pénale
Bibliographic record
Abstract
Prenant appui sur une recherche empirique qualitative, l’article montre la façon dont les acteurs judiciaires se représentent l’apport des « droits de la personne » dans le processus de prise de décisions et dans l’évolution de la justice pénale. La démarche s’inscrit dans une approche sociologique du droit qui privilégie une mise en relation des points de vue interne et externe au droit dans la production de connaissances. Méthodologiquement, l’analyse repose sur des entretiens réalisés auprès de juges et de procureurs de la couronne au Canada et au Portugal. L’analyse de ces données a permis d’identifier quatre contributions attribuées aux droits de la personne dans la prise de décisions : ils protègent les personnes accusées, ils permettent le contrôle de la validité des normes, ils stimulent l’évolution des principes du droit et enfin, ils facilitent l’adaptation du système à la société ou à son environnement. Encadrés d’un point de vue théorique par certains outils empruntés aux travaux de Niklas Luhmann et de Gunther Teubner, les résultats présentés permettent de mieux observer et comprendre la place et le rôle qu’occupent les « droits de la personne » dans la prise de décision judiciaire moderne, leurs contributions et aussi leurs limites.
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 | 0.008 | 0.026 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.010 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 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".