Bibliographic record
Abstract
Les Syriens ont manifesté en mars 2011 pour demander des réformes politiques, économiques et sociales. C’était le début du Printemps arabe en Syrie. En quelques mois, la protestation populaire s’est répandue à travers le pays, et des centaines de milliers de personnes ont réclamé un changement de régime. L’État a riposté avec une répression brutale en faisant appel à la police, aux forces de sécurité et à l’armée pour mater la rébellion. Bashar al-Asad, le président syrien, a décidé d’utiliser le système de justice pénale comme outil de répression politique. Cette note de recherche vise à décrire le rôle joué par les procureurs et les juges de l’État dans la répression pénale de la révolte populaire de 2011. Elle se centre sur la participation des femmes, membres du corps judiciaire, qui sont devenues, malgré elles, des actrices de premier plan dans la politique de l’État à cause de leur expérience en justice pénale. Depuis la Révolution de 2011, les magistrates ont accédé à des postes de pouvoir au sein de la magistrature. Utilisent-elles cette autorité nouvellement acquise pour servir les fins de la justice, ou se plient-elles devant la politique pénale de l’État au point de devenir des agents de la répression ? Telle est la question qui est au coeur de cette étude de cas de la magistrature syrienne au féminin.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".