De nouvelles pistes pour consolider les voies de la justice transitionnelle
Bibliographic record
Abstract
Cet article examine l’institutionnalisation de la justice transitionnelle au sein du système onusien, centrée sur le mandat du Rapporteur spécial des Nations Unies sur la promotion de la vérité, de la justice, de la réparation et des garanties de non-répétition. L’analyse explore les dix défis prioritaires identifiés par Bernard Duhaime, nouveau titulaire du mandat depuis mai 2024. Ces enjeux, présentés dans ses deux premiers rapports de 2024 adressés à l’Assemblée générale des Nations Unies et le Conseil des droits de l’homme, révèlent la nécessité d’une transformation profonde des approches traditionnelles de justice transitionnelle. L’étude met en évidence la nécessité de répondre aux réalités contemporaines, notamment les technologies émergentes et les formes inédites de violations massives des droits humains qui échappent aux cadres d’analyse traditionnels. La contribution aborde également l’impératif d’intégrer les droits économiques, sociaux et culturels dans les processus de justice transitionnelle, ainsi que les phénomènes de négationnisme et révisionnisme historique compromettant les efforts de mémorialisation. Enfin, elle insiste sur la centralité des voix des personnes directement concernées, incluant les perspectives du Sud Global, les approches transdisciplinaires et la prise en compte des impacts intergénérationnels.
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 | 0.007 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.022 |
| Scholarly communication | 0.013 | 0.015 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.004 | 0.007 |
| 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".