Bibliographic record
Abstract
Le processus de réconciliation politique au Maroc s’inscrit dans une histoire récente, marquée surtout par la création, en 2004, d’une Instance d’équité et de réconciliation (IER) dont le rôle est de réparer les victimes de la violence de l’État. L’indemnisation financière globale et la réhabilitation médicale sont les deux aspects concrets de cette politique de réparation dans laquelle la certification médicale prend une valeur évaluative importante. En plus d’être décisive dans l’estimation du préjudice et de sa compatibilité avec la violence endurée, elle est aussi déterminante dans l’évaluation de la nature de la prise en charge psycho-médicale. C’est le rôle assigné à cette expertise médicale dans l’approche de réparation que je souhaite interroger ici. Que dit-elle des procédures de sélection appliquées pour définir les formes réparables de la perte et, partant, la notion même de « victime » ? Que dit-elle de la notion de témoignage, de preuve et de vérité ? Comment ces démarches renseignent-elles, de manière générale, sur les rapports à l’histoire de la violence et à la souffrance des victimes ?
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 | 0.022 | 0.033 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.009 | 0.045 |
| Scholarly communication | 0.013 | 0.010 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.008 | 0.009 |
| Insufficient payload (model declined to judge) | 0.007 | 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".