DNA, Discrimination and the Definition of Family Class: M.A.O. v. Canada (Minister of Citizenship and Immigration)
Bibliographic record
Abstract
RtsuMtCe commentaire examine le traitement r~serv6 par la loi canadienne sur r'immigration aux enfants qui ne sont ni des enfants adoptifs ni des enfants biologiques de leurs parents.Cet examen est fait travers lF'tude d'un cas port6 devant la Cour f~d~rale concernant le rejet de l'immigration parrain~e d'un garqon qui s'est aver6 ne pas tre le fils g6n~tique de son pare 1gal.Ce cas met en exergue le fait que Citoyennet6 et Immigration Canada est plus enclin A demander des tests d'empreintes gan~tiques de la part d'immigrants et de r~fugi~s issus de pays pauvres qui ont des difficult~s A obtenir les documents g~n~ralement requis.De plus, seuls les enfants adoptifs qui n'ont plus aucun lien juridique avec leurs familles biologiques peuvent tre parrain~s alors m~me que ce type d'adoption est interdit dans certains pays et certaines religions et, de ce fait, certains membres de la famille deviennent inadmissibles.examen et l'acceptation de titres justificatifs de faqon al~atoire et in~gale a pour effet de crier une situation ofi certains enfants non biologiques peuvent 6tre acceptas dans le pays sur les m~mes bases que d'autres sont rejet6s.Pour conclure, la loi et la politique existantes en mati~re de parrainage relatif i la cat~gorie de < regroupement familial ,, portent atteinte de manihre fondamentale aux droits de la personne a lB'galit6, sur la base de caract~ristiques religieuses, raciales, ethniques et 6conomiques des demandeurs.Des contestations judiciaires A venir pourraient rem~dier l'effet discriminatoire de la mani~re dont la cat~gorie de << regroupement familial est pr~sentement d~finie et interpr~t~e.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.012 | 0.010 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.003 | 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".