Bibliographic record
Abstract
SNAT -Lgislation compareLes dispositifs de lutte contre les procdures billons LC 312, janvier 2023 1 la demande de la commission des affaires europennes, la Division de la Lgislation compare du Snat a effectu une recherche sur les procdures judiciaires abusives, communment appeles procdures-billons , aux tats-Unis, au Canada et au Royaume-Uni.Les procdures-billons, ou SLAPP (Strategic Lawsuits Against Public Participation), sont des procdures judiciaires intentes contre des journalistes, des associations ou encore des militants.Sans fondement rel, ces procdures visent principalement intimider et limiter la libert d'expression en impliquant les dfendeurs dans un contentieux long et coteux.Parmi les trois pays tudis, deux ont adopt, l'chelle fdre, des mesures visant empcher les procdures-billons, tandis que le troisime a amorc une rflexion pour adopter de telles rgles. Aux tats-Unis, des dispositions lgislatives l'chelle des tatsLes mesures contre les procdures-billons relvent l'heure actuelle de la lgislation des tats fdrs : 32 d'entre eux, auxquels s'ajoute le District de Columbia, ont constitu un rgime de protection, dont le primtre varie d'un tat l'autre.Les dispositions lgislatives adoptes permettent de rejeter sur demande, en dbut de procdure, ce qui apparaitrait comme tant une procdure-billon.Au niveau fdral, aucune traduction n'existe l'heure actuelle, toutefois une proposition visant tablir une protection anti-SLAPP a t dpose le 15 septembre 2022.Si ces rgles visent protger les individus pour des activits couvertes par le premier amendement de la Constitution amricaine, des exceptions sont toutefois prvues.Ainsi certaines plaintes ne peuvent donner lieu la demande d'application d'un rgime de protection.Tel est le cas, par exemple, des plaintes dposes par les reprsentants du gouvernement agissant en leur qualit officielle, des actions de lanceurs d'alerte ou des litiges en vertu des lois anti-discrimination.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.024 |
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; both teacher heads agree on what is shown here.
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".