La discrimination en droit de l’immigration : le cas de l’inadmissibilité médicale
Bibliographic record
Abstract
Le présent mémoire aborde la question de la discrimination en droit de l'immigration et ses conséquences en mettant l’accent sur la pratique de l'inadmissibilité médicale. Ce mémoire aborde les conditions d’admission des immigrants et des étrangers au Canada afin d’en tirer des conclusions sur les bonnes pratiques à adopter en ce qui a trait à l’immigration et le risque de discrimination. Ce document détaille les causes qui peuvent entraîner l’inadmissibilité médicale telle que les problèmes de santé existants, les conditions constituant un danger pour la santé et/ou la sécurité publique, le fardeau excessif pour les services sociaux et les services de santé, ainsi que les considérations liées à la race et au pays d'origine des demandeurs. Ce document examine également les conséquences de l’inadmissibilité médicale sur les droits et libertés des personnes, notamment le droit à la non-discrimination et le droit à l’égalité. D’ailleurs, on remarque que certaines catégories de demandeurs sont exemptées de certains types d’inadmissibilité, ce qui entraîne les fraudes et les risques de corruption dans le processus d’immigration. Enfin, ce mémoire offre un aperçu des recours disponibles pour les personnes directement touchées par la discrimination, tant à l’échelle nationale qu’internationale. Il aborde également le rôle de la communauté internationale dans la promotion et la garantie des droits fondamentaux et libertés fondamentales de toutes personnes.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.008 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".