La célérité de la justice militaire canadienne: Vers un meilleur équilibre entre efficacité et équité
Bibliographic record
Abstract
Selon une approche classique avec des éléments de droit comparé, l'auteur tente de trouver un meilleur équilibre entre efficacité et équité en justice militaire canadienne en défendant la thèse qu'on peut améliorer les deux à la fois. Remontant dans une première partie aux sources du droit militaire anglo-américain pour saisir le poids de l'histoire, l'auteur montre comment la justice militaire canadienne est passée d'un système expéditif soumis aux impératifs de la chaîne de commandement à un système équitable mais plus lent. Favorisant la protection des droits de la personne, l'auteur justifie la nécessité de calibrer à nouveau le système malgré la législation en place. Dans une seconde partie, l'auteur propose une série de mesures législatives comme administratives visant à prévenir, de l'enquête au procès, les délais indus et leurs conséquences néfastes tout en rehaussant l'équité par l'augmentation de la capacité d'intervention des juges militaires, lesquels seraient investis de nouveaux pouvoirs au sein d'une cour martiale permanente.
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 | 0.009 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.006 |
| Science and technology studies | 0.010 | 0.023 |
| Scholarly communication | 0.027 | 0.010 |
| Open science | 0.003 | 0.008 |
| Research integrity | 0.006 | 0.009 |
| 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".