Persistent Discord: The Adjudication of National Security Deportation Cases in Canada (2018–2020)
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
<p dir="ltr">This study asks two research questions. First, how many people get deported from Canada for security reasons and what are those reasons? This empirical study of deportation cases (2018–2020) finds that the number of national security and terrorism deportation cases in Canada is at a record high and that Canada’s deportation tribunal is the country’s busiest national security tribunal. Despite this volume, most cases (sixty per cent) turned on the same allegation. During the period under study, Canada regularly moved to deport members of the Bangladesh National Party (BNP), claiming that the group intentionally used terror-based tactics.</p><p dir="ltr">The second research question focuses on adjudicative consistency. Most security deportation cases were not just similar, they were functionally identical. The government tended to lead the same evidentiary package across cases and adjudicators tended to recycle their reasons between cases. Even though most cases were the same, firstinstance adjudicators sometimes reached opposite conclusions: some always found that the BNP engaged in terrorism, while others always concluded that it did not. Using a bespoke computer program, this study tracked how each terrorism case was treated by the Federal Court of Canada on judicial review. Startingly, even when different judges reviewed cases that were functionally word-for-word identical on the core issue, they reached different conclusions. This study raises rule of law concerns: does the BNP engage in terrorism? It depends on the adjudicator or judge you ask. This article ends with recommendations aimed at helping tribunals and courts develop a consistent and coherent jurisprudence.</p><p dir="ltr">Cette étude pose deux questions de recherche. Premièrement, combien de personnes sont expulsées du Canada pour des raisons de sécurité et quelles sont ces raisons? Cette étude empirique des cas d’expulsion (2018–2020) constate que le nombre de cas d’expulsion pour des raisons de sécurité nationale et de terrorisme au Canada atteint un niveau record et que le tribunal d’expulsion du Canada est le tribunal de sécurité nationale le plus occupé du pays. Malgré ce volume, la plupart des cas (soixante pour cent) tournent autour de la même allégation. Au cours de la période étudiée, le Canada a régulièrement pris des mesures pour expulser des membres du Bangladesh National Party (BNP), affirmant que le groupe utilisait intentionnellement des tactiques basées sur la terreur.</p><p dir="ltr">La deuxième question de recherche porte sur la cohérence décisionnelle. La plupart des cas d’expulsion pour raisons de sécurité n’étaient pas seulement similaires, ils étaient fonctionnellement identiques. Le gouvernement avait tendance à présenter le même ensemble de preuves d’une affaire à l’autre et les juges avaient tendance à recycler leurs motifs d’une affaire à l’autre. Même si la plupart des cas étaient identiques, les juges de première instance parvenaient parfois à des conclusions opposées : certains concluaient toujours que le BNP se livrait au terrorisme, tandis que d’autres concluaient toujours que ce n’était pas le cas. À l’aide d’un programme informatique sur mesure, cette étude a suivi la manière dont chaque affaire de terrorisme a été traitée par la Cour fédérale du Canada dans le cadre d’un contrôle juridictionnel. Il est surprenant de constater que même lorsque des juges différents ont examiné des affaires qui étaient identiques, mot pour mot, sur la question centrale, ils sont parvenus à des conclusions différentes. Cette étude soulève des questions relatives à l’État de droit : le BNP s’engage-t-il dans la lutte contre le terrorisme?</p>
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.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 it