REASON, PASSION AND SELF-CONTROL: UNDERSTANDING THE MORAL BASIS OF THE PROVOCATION DEFENCE
Bibliographic record
Abstract
Cet article présente la nature de la provocation ainsi que la façon d'interpréter celle-ci en tant que moyen de défense en droit criminel et, plus particulièrement, pour les accusations de meurtre.Il vise à expliquer comment la provocation peut être conceptualisée afin de comprendre l'excuse partielle accordée lorsque cette défense est acceptée comme une concession de la fragilité humaine.L'auteur soutient que la défense de provocation agit comme une excuse fondée sur l'hypothèse qu'un acte de provocation est capable de faire accroître la pression psychologique à un degré tel que celle-ci se transforme en colère passionnelle, assez importante pour priver la personne de sa capacité à agir moralement.La provocation ne peut toutefois pas entraîner une excuse complète.Même s'il était impossible de faire diminuer la colère de la personne, celle-ci devrait être en mesure de reconnaître l'excès et de comprendre qu'il y a de bonnes raisons de ne pas agir par le simple désir de tuer quelqu'un.Bien que la défense de provocation nie l'existence de la mens rea, élément essentiel du crime, elle ne peut toutefois pas empêcher la condamnation pour une infraction moindre d'homicide involontaire.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.039 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.005 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 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".