MétaCan
Menu
← Back to cohort
Record W7005238984

Politiques de réconciliation en Australie et au Canada, orientations politiques, débats et actions

2018· other· fr· W7005238984 on OpenAlexaboutno aff

Bibliographic record

VenueOpen MIND · 2018
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsContext (archaeology)Economic JusticeESPACEFrontier
DOInot available

Abstract

fetched live from OpenAlex

L’Australie et le Canada héritent tous deux d’un passé lourd d’injustices historiques commises contre les populations autochtones. Les séquelles léguées par ces exactions sont encore bien présentes et régissent des rapports conflictuels entre les états et les communautés autochtones. Outre les problématiques territoriales et juridiques, une démarche de reconnaissance du passé et de prise de responsabilité de l’état est demandée pour amorcer un processus de réparation. La réconciliation, entrée dans le vocabulaire politique des deux pays depuis les années 90, a donc été envisagée par le biais de discours d’excuses, de reconnaissance et de mesures de justice réparatrice. Mais la gestion de ce processus par les dirigeants politiques n’est pas exempte de débats et désaccords au sein des chambres délibératives. Chaque orientation politique a interprété selon ses fondements idéologiques la question de réconciliation et a donc influencé le processus à sa manière. Au cours de ce mémoire, nous tenterons de comprendre l’impact de ces orientations politiques sur les processus de réconciliation en Australie et au Canada. À travers l’étude des discours et mesures mises en place à cet effet, nous évaluerons les perceptions du passé, le rôle de l’état et les actions à entreprendre pour amorcer le processus de réparation. Enfin, nous réfléchirons à la légitimité du concept de réconciliation dans les pays postcoloniaux et son impact sur la relation entre l’état et les peuples autochtones.

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 imitation

Not 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.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.005
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.090
Threshold uncertainty score0.651

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0030.005
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0020.003
Science and technology studies0.0140.017
Scholarly communication0.0090.003
Open science0.0010.003
Research integrity0.0020.005
Insufficient payload (model declined to judge)0.0070.000

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.

Opus teacher head0.111
GPT teacher head0.415
Teacher spread0.304 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueOpen MIND→French-language works237,207→