Bibliographic record
Abstract
Dans le but de mieux comprendre la polysémie de l’expression crimes contre l’humanité, cet essai esquisse une généalogie des crimes contre l’humanité en relatant certaines transformations historiques qui ont imbu l’expression de son pouvoir de dire. Cinq transformations y sont soulignées : le déplacement par l’homme de Dieu comme fondement du droit lors de la Révolution française, la transformation de la catégorie médiévale du tyran en criminel contre l’humanité par le biais du procès de Louis XVI, la transformation de la guerre en crime contre l’humanité suite à la dissolution du droit public de l’Europe en droit international, l’émergence d’un droit humain ancré dans la solidarité humaine et permettant l’intervention humanitaire, et la transformation de la charité (amour de Dieu) en humanité ou philanthropie (amour de l’homme) sous-jacente à la transformation du droit de la guerre en droit humanitaire. Ces cinq transformations historiques démontrent que la réduction de l’« homme » à un « homme naturel » rend possible l’articulation des crimes contre l’humanité. En effet, comme le suggère Arendt, il y a une possibilité, consternante, que le discours portant sur l’humanitaire et les droits de l’homme soit un miroir rhétorique et conceptuel de l’expérience des camps de concentration, expérience qui a réduit l’homme à un simple spécimen d’une espèce.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.013 |
| Scholarly communication | 0.004 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".