Le ton d’évidence en éthique relève-t-il de la violence verbale? Analyse des mémoires envoyés à la Commission parlementaire québécoise sur la question de mourir dans la dignité
Bibliographic record
Abstract
Cet article interdisciplinaire analyse la manière avec laquelle des citoyens débattent lors d’une consultation publique organisée sur une question éthique profondément conflictuelle : l’euthanasie. Le cas étudié concerne la consultation publique québécoise organisée en 2010-2011 par la Commission spéciale sur la question de mourir dans la dignité. Ces voix citoyennes débattant publiquement sur l’euthanasie ont jusqu’ici peu retenu l’attention des chercheurs. Nous avons analysé à l’aide des outils de la rhétorique aristotélicienne les mémoires écrits (n = 149) envoyés par des citoyens à la Commission spéciale. À de très rares exceptions près, toutes les personnes engagées politiquement dans cette consultation publique, aussi différentes soient-elles, affichent une grande certitude dans leurs croyances éthiques. Chacun fait comme si les convictions de l’adversaire étaient inférieures aux siennes, qu’il présente souvent comme universelles. Concernant la formule « mourir dans la dignité », les participants prétendent implicitement à l’objectivité de leur définition. Ils agissent même comme s’il existait une seule définition de la formule « mourir dans la dignité » et une seule vérité éthique. À la suite de ces analyses, nous discutons du concept de « violence verbale » qui pourrait être associé à ces manières de débattre sur un sujet complexe.
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 | 0.008 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.016 | 0.031 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.010 | 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".