Bibliographic record
Abstract
Les minorités linguistiques ont besoin de mesures législatives destinées à la sauvegarde de leurs langues. Dit autrement, elles ont besoin de la reconnaissance de droits linguistiques. Au-delà de ces dispositions spécifiques, il ne faut pas oublier que les droits fondamentaux déterminés renferment un contenu linguistique implicite qui est utile à la protection des dites minorités. Après avoir examiné de façon globale le régime juridique du plurilinguisme en Espagne, l’auteur analyse le contenu linguistique des droits fondamentaux, tels que reconnus dans ce pays. En particulier, il étudie le contenu linguistique des droits au nom, à l’égalité, à l’éducation, à la liberté d’expression et au droit à un procès juste et équitable. Selon l’auteur, si l’on se restreint au contenu linguistique des droits fondamentaux, la réglementation espagnole actuelle respecte ce contenu. Mais l’auteur conclut que le seul contenu linguistique implicite des droits fondamentaux, et les droits linguistiques tels que reconnus en Espagne, ne suffisent pas pour protéger efficacement les minorités linguistiques. Comme l’étude porte sur l’Espagne, on y trouve des références au droit communautaire et à plusieurs reprises l’auteur recourt au droit comparé afin d’établir une meilleure justification de ses thèses.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 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".