« Why Couldn’t You Just Keep Your Knees Together? » L’obligation déontologique des juges face aux victimes de violences sexuelles
Bibliographic record
Abstract
L’actualité des dernières années a mis en lumière le comportement problématique de plusieurs juges envers des victimes de violences sexuelles, minant leur confiance et celle du public envers le système judiciaire. Parmi certains des cas plus médiatisés, on compte celui du juge Robin Camp qui avait demandé à une victime : « why couldn’t you just keep your knees together? ». Voilà qui a eu pour effet de mettre le projecteur sur une frange de la magistrature qui croit encore au mythe de la « bonne victime » (ou la « victime parfaite »). Dans ce texte, je soutiendrai qu’un ou une juge commet une faute déontologique lorsqu’il ou elle tient un propos (1) prompt à entretenir le mythe de la bonne victime, (2) qui participe d’un des quatre stéréotypes afférents condamnés en droit et (3) qui n’est pas justifié par sa pertinence et sa nécessité pour le raisonnement juridique. L’article se divise en trois parties. Dans la Partie 1, je détaille d’abord brièvement les stéréotypes visés par ma proposition. Celle-ci se limite aux quatre stéréotypes fondant le mythe de la bonne victime qui ont été condamnés en droit, c’est-à-dire qui constitueraient une erreur de droit s’ils fondaient un raisonnement juridique. Selon ces quatre stéréotypes, (i) une femme sexuellement active est plus encline à consentir et serait moins crédible; (ii) une femme qui ne dénonce pas son agresseur immédiatement après l’agression est peu crédible; (iii) une femme qui ne résiste pas à l’agression y avait sûrement consenti; et (iv) une femme en thérapie est plus susceptible de mentir. Dans la Partie 2, j’aborde les fondements juridiques de l’obligation déontologique de ne pas entretenir ces stéréotypes tout en identifiant deux limites à cette obligation. Le commentaire n’est fautif que s’il entretient un stéréotype condamné en droit et que s’il n’est pas pertinent et nécessaire au raisonnement juridique. Dans la Partie 3, enfin, j’illustrerai ma proposition en décortiquant les motifs du juge William B. Horkins dans R. v. Ghomeshi.
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 | 0.005 | 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 | 0.013 | 0.025 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.007 | 0.014 |
| Insufficient payload (model declined to judge) | 0.009 | 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".