Bibliographic record
Abstract
Depuis plusieurs années, avec l’utilisation de plus en plus répandue des moyens technologiques, la question du consentement est mise de l’avant et discuté dans les différentes sphères de notre société. Le consentement étant intimement lié à l’autodétermination et à la liberté, son importance demeure capitale dans les échanges humains. En 2015, une nouvelle frontière a été franchie avec la décriminalisation de l’aide médicale à mourir. L’arrêt Carter a poussé les gouvernements fédéral et provinciaux à légaliser et légiférer en matière d’aide médicale à mourir. Encore plus récemment, des modifications ont été portées au Code criminel afin de permettre de consentir de manière anticipée à l’aide médicale à mourir. La question que nous nous posons est de savoir si les lois portant sur l’aide médicale à mourir au Canada permettent de consentir au préalable à recevoir ce soin après la perte de la capacité d’exprimer un consentement. Pour répondre à cette question, nous nous pencherons sur la notion du consentement dans différents domaines du droit et nous étudierons les principes fondamentaux qui régissent le consentement à l’aide médicale à mourir. Après avoir effectué cette étude du consentement, nous tenterons d’appliquer certains des principes analysés à ce consentement très particulier. Nous constaterons que le cadre légal actuel ne permet pas l’exercice d’un consentement anticipé et nous proposerons des solutions permettant d’établir un réel consentement anticipé à l’aide médicale à mourir
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 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.007 | 0.007 |
| Insufficient payload (model declined to judge) | 0.101 | 0.035 |
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".