Bibliographic record
Abstract
Alors que plusieurs de nos sociétés démocratiques s’interrogent à l’heure actuelle sur les moyens de préserver et de renforcer le nécessaire lien de confiance entre l’État et les citoyens, il paraît utile d’examiner le rôle du droit et des tribunaux dans la poursuite de cet objectif. Certes il y va de la confiance des citoyens envers l’État qu’ils bénéficient, tant pour ce qui est des décisions individuelles qui les concernent que pour ce qui est des décisions publiques et collectives de grande envergure, de recours ou de mécanismes aptes à assurer le contrôle de l’Administration lorsqu’elle agit de façon arbitraire ou illégale, bref, lorsqu’il y a mauvaise administration. Cependant, ces mécanismes agissent a posteriori; ils ne participent pas d’un effort de prévention. Il est donc important de développer dans l’avenir un droit administratif qui ne se préoccupe pas seulement de permettre un contrôle de la mauvaise administration a posteriori, mais qui s’intéresse aussi à la promotion d’une bonne administration. À cette fin, on peut penser que le défi de ce droit au cours des prochaines années sera de favoriser et même de développer des mécanismes qui permettent, a priori, d’assurer une meilleure qualité de la décision publique, une meilleure transparence et une plus grande participation du citoyen et des groupes concernés.
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 | 0.023 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.020 | 0.042 |
| Scholarly communication | 0.018 | 0.009 |
| Open science | 0.002 | 0.013 |
| Research integrity | 0.007 | 0.008 |
| Insufficient payload (model declined to judge) | 0.017 | 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".