Le discours du législateur et le langage du droit. Rédaction, style et texte juridiques
Bibliographic record
Abstract
La loi est le texte (ou discours) juridique par excellence. Aussi, pour être accessible au plus grand nombre, doit-elle être « lisible ». Reflet des valeurs et des idéaux d’une société, elle caractérise une culture. Le discours du législateur canadien est le produit d’une tradition originale découlant du contact des langues et des systèmes juridiques. On ne peut ignorer le rôle joué par la traduction, bien ou « mal nécessaire », dans ce legs de l’Histoire. Ce qui pose le problème de la « qualité » de la langue, donc celui de la norme. En l’absence de norme établie du langage du droit, on s’en remettra à l’usage, celui de la langue générale, qui régit aussi la langue spécialisée qu’est le langage du droit. Pour être jugé lisible, un texte doit répondre à des règles fondées sur des principes généralement partagés. La plupart des spécialistes s’entendent sur trois d’entre eux, au moins : clarté, simplicité, précision, objectif que nous proposons au rédacteur de textes juridiques, législatifs en particulier. Expression du caractère d’une nation, la loi est la vitrine du droit. Sa forme, autant que son contenu, doit être l’objet de soins particuliers de la part du législateur, cela dans l’intérêt de tous : nemo censetur legem ignorare...
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 | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.015 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.008 |
| Insufficient payload (model declined to judge) | 0.022 | 0.006 |
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".