Bibliographic record
Abstract
Résumé Les analogies peuvent être des outils précieux d'argumentation lors-qu'elles sont bonnes, mais quand elles sont mauvaises, elles faussent inévitablement la question qu'elles sont censées élucider. Tel est le cas de la comparaison entre la sécession et le divorce, qu'il s'agisse du divorce sous conditions ou du divorce sans égard à la faute. L'objectif de cet article est de montrer que la sécession se distingue empiriquement d'un divorce par trois différences significatives: entre personnes et peuple, entre manage et union politique, et entre divorce et sécession. Cela révèle que les deux versions de l'analogie du divorce sont inadéquates. Même si, cependant, ces écarts pouvaient être comblés et que l'analogie du divorce sous condition puisse être sauvée, je conteste le caractère approprie de l'autre version en montrant qu'aborder la sécession comme un divorce civil entraînerait des implications normatives contre-intuitives qui enlèveraient tout attrait à l'analogie du divorce sans égard à la faute, ou qui amèneraient ceux qui l'emploient à promouvoir des modifications irréalistes aux institutions légales internationales.
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 | 0.005 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.003 | 0.024 |
| Scholarly communication | 0.005 | 0.013 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 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".