Commerce et langues autochtones : la mise en oeuvre de la Convention sur la diversité des expressions culturelles (2005) dans l’enceinte commerciale et sa contribution à la promotion et à la préservation des langues autochtones
Bibliographic record
Abstract
Instrument déjà prouvé pertinent pour les langues autochtones dans sa mise en oeuvre au niveau national par les États parties, la Convention de l’UNESCO sur la diversité des expressions culturelles de 2005 possède également une influence certaine en matière commerciale. L’étude des accords commerciaux post-2005 permet de constater qu’il existe bel et bien des clauses culturelles qui visent et peuvent contribuer à protéger les langues autochtones. Ces clauses culturelles sont d’autant plus intéressantes qu’elles sont de types variés : réserves, engagements spécifiques, clauses d’exception culturelle, etc. Le présent article se propose donc de répertorier, de quantifier et d’analyser ces différentes clauses culturelles que les Parties à la Convention de l’UNESCO ont incluses dans les différents accords de commerce négociés et qui peuvent contribuer, tout en faisant la promotion des principes et objectifs de la Convention de 2005, à la préservation des langues autochtones. Cette étude permet ainsi de répertorier les meilleures pratiques en la matière.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.008 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".