Les réparations pour violation des droits fonciers des peuples autochtones : leçons de la Cour interaméricaine des droits de l’homme
Bibliographic record
Abstract
Cet article analyse la contribution récente de la Cour interaméricaine des droits de l’homme au développement du droit international relativement à la question spécifique de la réparation des violations des droits fonciers des peuples autochtones. Il dégage ensuite les principales leçons que les juges canadiens devraient tirer de cette jurisprudence au moment de trancher un litige entre l’État et un peuple autochtone. Les deux grandes catégories de réparations identifiées par l’auteur sont la restitution et la compensation. Chacune opère une redistribution de la richesse et du pouvoir entre autochtones et non-autochtones. La réparation de nature restitutoire est celle qui soulève les plus grandes difficultés politiques et pratiques puisqu’elle implique une remise en cause de situations foncières parfois acquises de longue date au profit de tiers. Le droit du système interaméricain sur cette question paraît audacieux tout en étant empreint d’un certain pragmatisme qui amène à relativiser le principe de restitution au nom de l’équité et de la paix sociale. La compensation pécuniaire et non pécuniaire du préjudice subi par les autochtones, y compris le préjudice culturel, se présente par contre comme une mesure minimale qui souffre peu d’exceptions.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".