Rapatriement des ancêtres autochtones : comparaison des processus au Canada et aux États-Unis
Bibliographic record
Abstract
Considérant le contexte actuel entourant le rapatriement des ancêtres autochtones et des besoins formulés par ces communautés de voir ce retour s’effectuer promptement, force est de constater que les institutions québécoises ne répondent pas à ce besoin de manière proactive. Les processus de rapatriement québécois sont rares, mais sont plus fréquents au Canada et aux États-Unis. À l’aide d’une grille de critères d’analyse, je fais une comparaison entre trois études de cas canadiennes et états-uniennes afin de déterminer quels sont les éléments facilitants, les outils, les obstacles et les modes de résolution de conflit qui permettraient de mettre en place nos propres processus de rapatriement éthiques et décolonisées au Québec. Les approches diffèrent selon les deux pays : le Canada a adopté une approche localisée centrée autour de la négociation, tandis que les États-Unis ont plutôt adopté une approche rigide standardisée par des législations fédérales, les lois Native American Graves Protection and Repatriation Act (NAGPRA) et National Museum of the American Indian Act (NMAIA). Quel type d’approche correspondrait le mieux à notre contexte socio-historique? Celle rigide de type NAGPRA ne répond pas aux besoins de flexibilité formulés par les Premiers Peuples. Cependant, certains éléments des législations états-uniennes auraient grand avantage à être adoptés puisqu’ils impliquent des changements nécessaires à la mise en place de processus de rapatriement efficaces (organisation des collections, inclusion de savoirs traditionnels, etc.). De plus, certains éléments juridiques autochtones pourraient être implantés dans la constitution de processus de rapatriement, qui doit être conjointe.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.016 | 0.005 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".