Irene Van OorschotThe Law Multiple: Judgement and Knowledge in Practice. Cambridge: Cambridge University Press, 2021, 205 pp.
Bibliographic record
Abstract
Qu'est-ce que l'athérosclérose?» C'est la question que se posait Annemarie Mol en 2002 lorsqu'elle publiait son ouvrage devenu classique et associé au « tournant ontologique » en sciences sociales, The Body Multiple 1 .En observant ce que font des médecins cliniciens, des patients, des pathologistes, des chirurgiens et des techniciens de laboratoire dans un hôpital des Pays-Bas, l'anthropologue découvre que l'athérosclérose n'est pas une maladie que l'on peut déceler par le biais de différentes techniques médicales.Plus qu'une maladie qu'on présume cachée dans le corps, d'après Mol, l'athérosclérose est constituée à travers différentes pratiques : un patient qui décrit ses symptômes lors d'une consultation médicale, un chirurgien qui regarde une artère, un pathologiste qui examine un tissu extrait d'un cadavre, parmi d'autres.Ces multiples techniques n'offrent pas des perspectives différentes, mais des façons d'« instaurer » ou d'« actualiser »en anglais, le verbe qu'utilise Mol est « enact »un même et seul objet : le corps.Bien que le corps et le droit puissent paraître deux objets de recherche dissemblables, dans The Law Multiple Irene van Oorschot montre que tous les deux partagent une même caractéristique : ils sont multiples.En décrivant le travail quotidien des tribunaux pénaux de première instance, également aux Pays-Bas, van Oorschot affirme que le droit, tout comme le corps, est actualisé à travers des pratiques multiples qui entrent parfois en tension entre elles.L'une de ces tensions s'est produite lors de la publication d'une étude quantitative qui a trouvé que les accusés ayant certaines caractéristiques associées à une appartenance ethnique « étrangère » (par exemple, qui ne parlent pas le néerlandais) sont punis plus durement que les autres.L'étude, qui a provoqué des accusations de partialité et de racisme énergiquement niées par les juges dont les décisions avaient été analysées, ouvre le premier chapitre du livre et illustre l'une des tensions décrites par l'auteure entre les différentes techniques utilisées pour actualiser un même objet : la tension entre, d'une part, le droit comme mécanisme de distribution de la punition entre
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.005 | 0.007 |
| Science and technology studies | 0.002 | 0.007 |
| Scholarly communication | 0.007 | 0.021 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.006 | 0.005 |
| Insufficient payload (model declined to judge) | 0.033 | 0.014 |
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".