Le paradoxe de la politique canadienne visant l'impunité des criminels de guerre
Bibliographic record
Abstract
Cette étude a pour but de démontrer l'attitude paradoxale du gouvernement canadien relativement à sa politique visant l'impunité dans le traitement des criminels de guerre. Dans les faits, il appert qu'il s'abstient de punir ces criminels en vertu du droit criminel et les soumet plutôt aux procédures d'immigration et de citoyenneté qui permettent leur déportation et leur dénaturalisation. Cette étude propose une revue de l'historique menant à l'adoption par le gouvernement fédéral de la politique d'impunité des criminels de guerre. Elle comprendra l'état de la politique à la suite de la Seconde Guerre mondiale, le rapport de la Commission Deschênes, de même que le changement de stratégie adoptée par le gouvernement à la suite de la décision dans l'affaire Finta. Par la suite, une étude comparée du droit de l'immigration, de la citoyenneté et du droit criminel sera de mise afin de cibler les différences dans les processus de traitement des criminels de guerre. Nous constaterons alors pourquoi il est plus facile pour le gouvernement de traiter les criminels de guerre en vertu du droit de l'immigration et de la citoyenneté, et nous serons alors en mesure d'évaluer les consternantes conséquences de ce choix.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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 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".