La justice restaurative : à la recherche d’une théorie et d’un programme
Bibliographic record
Abstract
Au cours de la dernière décennie, la justice restaurative s'est manifestée progressivement comme une thématique très importante dans les débats réformateurs de la justice pénale et dans la recherche criminologique. Plusieurs raisons plaident en faveur d'une optique « maximaliste » de la justice restaurative, considérant cette orientation comme un autre paradigme à développer pour devenir à plus long terme une alternative complète et systémique pour les systèmes traditionnels punitifs et réhabilitatifs. En principe, cette option devrait proposer une réponse restaurative à tout délit, y compris les plus graves. De ce point de vue, la médiation entre victime(s) et celui/celle qui a commis le délit ne satisfait pas, et ce pour deux raisons. Primo, parce qu'elle tient insuffisamment compte des besoins de sécurité et de paix dans la société plus large; secundo, parce qu'elle se limite à des règlements volontaires des conséquences d'un délit. L'article examine les possibilités de pallier ces insuffisances de façon restaurative. Les questions posées sont : comment définir et faire participer une troisième partie, soit la collectivité, dans le règlement restauratif d'un délit? Comment définir et restaurer les préjudices vis-à-vis de cette troisième partie? Comment appliquer les principes restauratifs si la victime et/ou le délinquant ne participent pas volontairement à un processus de restauration?
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 | 0.009 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.006 | 0.043 |
| Scholarly communication | 0.013 | 0.015 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 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".