Les entraves à l’approche « intersectionnelle » canadienne de la discrimination
Bibliographic record
Abstract
Au Canada, le juge a une approche de la discrimination qui s’intéresse d’avantage à la façon dont la société traite la personne qu’à ses caractéristiques intrinsèques. Une telle logique permet d’analyser la discrimination lorsque les plaintes sont fondées sur des motifs reliés les uns aux autres. Elle n’exige pas que la pratique discriminatoire entre dans une catégorie ou un critère illicite. En revanche, en France, la lutte contre les discriminations consiste à identifier au préalable des groupes ou des sous-groupes sociaux à protéger pour des raisons particulières. C’est principalement ce cadre législatif, issu du droit de l’Union européenne (UE), qui conditionne cette « catégorisation » de la lutte contre les discriminations. C’est là que réside le principal frein au développement d’instruments juridiques de lutte contre les discriminations intersectionnelles. Dès lors, les exemples juridictionnels canadiens ouvrent des pistes de réflexion dans la recherche d’effectivité de la lutte contre ces discriminations. Il est alors possible de dépasser les entraves à l’application de l’approche intersectionnelle en présentant les leviers qui s’offrent au droit français. Ainsi, au regard du droit canadien, trois types d’entraves pourraient être dépassées: celles liées aux conceptions, aux autorités et aux modalités de la lutte contre les discriminations.
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 | 0.015 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.012 | 0.013 |
| Scholarly communication | 0.011 | 0.005 |
| Open science | 0.004 | 0.009 |
| Research integrity | 0.004 | 0.008 |
| Insufficient payload (model declined to judge) | 0.027 | 0.003 |
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".