Une enquête théorique et empirique sur les menaces externes à l’indépendance judiciaire dans le cadre du sentencing
Bibliographic record
Abstract
Dans sa dimension externe, l’indépendance judiciaire a traditionnellement été conçue en rapport avec les autres branches de l’État, les pouvoirs législatif et exécutif. Sur la base d’entretiens qualitatifs et dans le contexte spécifique de la détermination de la peine, cet article explore les contours de l’indépendance judiciaire par rapport à ce que les acteurs judiciaires peuvent considérer comme des menaces externes à leur liberté décisionnelle, menaces dépassant pour eux le cadre plus traditionnel de ce qui relève strictement de l’État. L’objectif que nous nous sommes fixé est d’offrir une perspective à la fois plus contemporaine et élargie des conditions susceptibles de favoriser la pleine protection de la zone de liberté décisionnelle qu’exige l’indépendance judiciaire. Cela nous a amenés à problématiser les menaces externes qui, sans être nécessairement étatiques, peuvent néanmoins compromettre, de l’extérieur, l’intégrité de la détermination de la peine. Nous nous sommes plus particulièrement intéressés aux menaces que représentent, dans ce contexte, les peines minimales obligatoires, celles émanant de la pression médiatique, de l’opinion publique et des demandes adressées au système pénal par les mouvements sociaux.
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 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.006 | 0.024 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.012 | 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".