Des compétences législatives personnelles en matière d’activités de chasse, de pêche et de piégeage dans les ententes de revendications territoriales : les limites de la cogestion
Bibliographic record
Abstract
Les accords de règlement des revendications territoriales globales conclues entre l’État canadien et des nations autochtones prévoient des compétences législatives en matière de prélèvement des ressources fauniques, floristiques et halieutiques. Ces ententes permettent la reconnaissance étatique du droit autochtone sur ces questions. Les compétences ainsi reconnues le sont cependant sur une base personnelle, ce qui signifie qu’elles ne s’appliquent qu’aux personnes identifiées comme bénéficiaires des droits dans les ententes. Cet article présente, dans un premier temps, les difficultés de coexistence entre les ordres juridiques autochtones et étatiques posées par l’exercice d’une compétence législative personnelle en matière de prélèvement des ressources fauniques, floristiques et halieutiques. Dans un deuxième temps, le texte s’intéresse aux forums de cogestion, dont la mise en place par les ententes cherche à résoudre certaines de ces difficultés. Enfin, le texte s’attarde aux limites à l’autonomie que posent ces forums de cogestion aux compétences législatives personnelles reconnues aux nations signataires des ententes.
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 | 0.007 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.011 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".