Prendre langue avec l’Étranger. La traduction : un modèle pour l’herméneutique juridique ?
Bibliographic record
Abstract
La question de l’interprétation juridique occupe une place paradoxale. Elle est à la fois centrale et peu questionnée au-delà de quelques cercles de spécialistes souvent proches de la sociological jurisprudence ou du réalisme américain. Le résultat est une sorte de consensus (qui sert également de principe politique) de la communauté universitaire autour de cette idée d’un rôle subsidiaire de l’activité d’interprétation dans la production normative – production normative qui ressortit donc presque exclusivement au pouvoir législatif. Pourtant, cette idée que seul le législateur crée le droit est contredite par les faits et surtout par une série de travaux de la philosophie de la traduction qui, dans le prolongement du grand tournant herméneutique initié dans la seconde moitié du XXe, met en évidence un tout autre paradigme : l’interprète ne peut être étranger au texte et il faut combattre l’idée selon laquelle il n’ajouterait jamais à ce que l’auteur ou le premier lecteur aurait pu avoir en tête ; le texte doit être replacé au centre du débat de l’interprétation et on ne peut plus en faire un « prétexte » ou un élément secondaire dans la prise de décision du juge. Enfin, la théorie de la traduction condamne de manière ferme le recours à l’intention de l’auteur.
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 | 0.009 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.009 | 0.035 |
| Scholarly communication | 0.016 | 0.016 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.005 | 0.010 |
| Insufficient payload (model declined to judge) | 0.010 | 0.003 |
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".