La pluralité des formes de connaissances dans la recherche et l’enseignement du droit
Bibliographic record
Abstract
C’est en m’appuyant sur les théories décoloniales que, dans cet article, j’expose deux constats. Le premier consiste à rappeler que l’interdisciplinarité peut être un espace d’apprentissage propre à documenter des phénomènes sociojuridiques complexes. Le second constat consiste à noter la limite d’une perspective interdisciplinaire qui ne s’en tiendrait qu’au croisement de savoirs disciplinaires et académiques. En effet, cette perspective peut repositionner dans l’effacement les savoirs locaux et autochtones pourtant nécessaires à notre compréhension des phénomènes sociojuridiques. Tout en reconnaissant les défis qui se présentent aux chercheur.e.s, l’article propose ainsi d’entretenir un rapport élargi aux savoirs soutenu par une diversification des acteur.trices de la recherche et par un rapport aux savoirs juridiques basé sur la relationnalité. C’est en m’appuyant sur des éléments concrets issus de ma démarche de recherche que je conclus l’article par quelques pistes et observations liées à l’enseignement du droit et ce, afin d’éviter de repositionner dans l’effacement les savoirs locaux et autochtones par l’entremise des pratiques d’enseignements basées sur l’interdisciplinarité.
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 | 0.025 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.009 | 0.050 |
| Scholarly communication | 0.021 | 0.017 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.005 | 0.006 |
| Insufficient payload (model declined to judge) | 0.007 | 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".