MétaCan
Menu
Back to cohort
Record W7084750274 · doi:10.7202/1120278ar

Discordance temporelle : le temps de résilience des victimes de mariage forcé précoce à l’épreuve du temps de la justice internationale des droits de l’Homme

2024· article· fr· W7084750274 on OpenAlexvenueno aff

Bibliographic record

VenueRevue québécoise de droit international · 2024
Typearticle
Languagefr
FieldComputer Science
TopicMachine Learning in Healthcare
Canadian institutionsnot available
Fundersnot available
KeywordsEconomic JusticeHuman traffickingHuman rightsFamily law

Abstract

fetched live from OpenAlex

Dans l’affaire IHRDA et APDL c Cameroun , le Comité africain d’experts sur les droits et le bien-être de l’enfant a prononcé une décision d’irrecevabilité motivée par la présentation tardive de la communication et le défaut de tentative d’épuisement des voies de recours internes disponibles. Défavorable aux plaignantes, cette solution n’en est pas moins conforme aux exigences procédurales prévues par le droit international des droits de l’Homme, dans le respect du principe de subsidiarité. Cela étant, ces exigences sont-elles véritablement adaptées à la situation particulière de victimes de mariage forcé précoce ? D’une part, incapables de consentir à leur mariage, les mineurs ne sont pas davantage capables d’ester en justice avant leur majorité. À cet égard, leur représentation devant le juge interne par des parents à l’initiative de l’union n’est qu’illusoire. D’autre part, l’accès à la majorité ne suffit pas, en pratique, à l’accès effectif au juge. Souvent retirées des bancs d’école au profit des bans de mariage — en témoigne la décision du même jour Legal and Human Rights Centre and Centre for Reproductive Rights c Tanzanie — les victimes de mariage précoce peuvent trouver les bancs de la justice hors de portée. Si la capacité d’ester en justice s’acquiert à la majorité, le processus de résilience de victimes longtemps privées d’éducation et peut-être même toujours mariées contre leur gré peut durer dans le temps. Dans ce contexte singulier, la perspective d’une approche pro victima implique d’analyser les conditions de recevabilité au cas par cas afin de savoir si la passivité des plaignantes relève de l’indifférence ou de l’ignorance.

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 imitation

Not 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.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.004
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Scholarly communication
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.689
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.004
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.001
Scholarly communication0.0010.002
Open science0.0030.001
Research integrity0.0000.002
Insufficient payload (model declined to judge)0.0000.000

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 head0.023
GPT teacher head0.297
Teacher spread0.274 · 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 teacher head, not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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
Published2024
Admission routes1
Has abstractyes

Explore more

Same venueRevue québécoise de droit internationalSame topicMachine Learning in HealthcareFrench-language works237,207