L’indemnisation des victimes d’actes criminels au Québec : la loi exclut-elle les victimes de violences sexuelles ou conjugales ?
Bibliographic record
Abstract
L’article qui suit propose une incursion dans la Loi sur l’indemnisation des victimes d’actes criminels avec une attention particulière aux conditions d’accès au régime d’indemnisation par les victimes de violences sexuelles ou conjugales. L’objectif de l’auteur est de déceler les failles dans la structure juridique du régime québécois d’indemnisation (IVAC) et de proposer des pistes de solution pour mieux répondre aux besoins des victimes. Son article se divise en quatre parties qui correspondent chacune à une faille de la Loi sur l’indemnisation des victimes d’actes criminels. La première partie critique le fait qu’une demande d’indemnisation puisse être rejetée si l’agresseur d’une victime de violence sexuelle est en mesure, hypothétiquement, de soulever une défense de croyance sincère mais erronée au consentement. La deuxième partie met en relief les nombreux crimes oubliés par le régime d’indemnisation. La troisième partie expose la manière dont la notion de faute lourde contribue parfois à perpétuer des stéréotypes sexistes causant le rejet de demandes d’indemnisation. Enfin, la quatrième partie révèle que le délai de production d’une demande de deux ans est incompatible avec la réalité de la majorité des victimes de violences sexuelles ou conjugales. Une solution sera proposée pour répondre à chacune de ces critiques.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.005 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 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".