La primauté de l’efficacité dans l’administration d’une justice en crise : solutions judiciaires dans une perspective nord-américaine
Bibliographic record
Abstract
Crise d’importance mondiale, la pandémie de COVID-19 a entraîné un ralentissement des activités de la société civile, de l’économie et de la justice. Face à l’incertitude générée, les tribunaux ont été ralentis, sinon paralysés, en plus de devoir mettre en place une justice d’urgence par processus hybrides ou spéciaux. Dans un tel contexte, la recherche de mesures d’efficacité devient vitale. Le présent article contribue donc à la réflexion entreprise sur l’efficacité du système judiciaire en temps de pandémie et de post-pandémie. La crise sanitaire semble avoir encouragé une évolution rapide de l’organisation des services judiciaires. Cette évolution fera-t-elle place à une transformation durable et profonde de la justice civile? Le présent article fera état de mesures et de pratiques exemplaires établies au Québec, et ailleurs au Canada et en Amérique du Nord, visant à promouvoir l’efficacité au chapitre de l’administration de la justice et l’adjudication des litiges, et à réduire les délais judiciaires. Précisément, trois catégories de mesures et pratiques seront abordées, soit les mesures de gestion efficace des instances (Partie I), les modes privés de règlement des différends intégrés à l’activité des tribunaux étatiques (Partie II) et les mesures technologiques (Partie III). Nous verrons que chaque système de justice civile recherche le délicat équilibre entre les garanties procédurales fondamentales, la qualité et l’efficacité de la justice. Nous conclurons l’article sur la question des contours d’un système de justice civile efficace et accessible.
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 | 0.022 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.017 | 0.028 |
| Scholarly communication | 0.020 | 0.007 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.009 | 0.011 |
| Insufficient payload (model declined to judge) | 0.005 | 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".