Les réseaux sociaux : un espoir pour une régulation efficace des acteurs économiques et financiers
Notice bibliographique
Résumé
La croissance de la taille des entreprises multinationales et de leur sphère d’influence, conjuguée à l’incapacité des États et des organisations transnationales à réguler leurs activités, a fait naître le besoin d’une nouvelle forme de régulation. Une première approche consiste en la structuration et l’organisation d’un mouvement citoyen. Toutefois, si certaines expériences ont été un succès (Nike, Shell), ce mode de régulation peut être détourné ou récupéré par ceux-là mêmes qu’il tente de réguler. Une deuxième approche suggère l’autorégulation des marchés économique et financier. Cependant, les récentes crises financières découlant de comportements non éthiques montrent les limites d’une telle solution. L’objectif du présent article est de proposer un mode hybride de régulation reposant sur la coalition de mouvements sociaux et d’investisseurs responsables, dont les signataires des Principes pour l’investissement responsable, de l’Organisation des Nations Unies. L’efficacité de ce mode hybride de régulation est renforcée par l’évolution technologique et les réseaux sociaux. Ainsi, une dénonciation par des organismes non gouvernementaux appelant au boycottage porte atteinte à la réputation de l’entreprise ciblée, ternit son image et nuit à ses ventes. Si cette dénonciation est de plus appuyée par un investisseur responsable, cela peut provoquer une hausse de son coût de financement. Une coalition entre des « mouvements sociaux organisés » et « des investisseurs institutionnels » responsables, dont les signataires des Principes, peut être contraignante pour une entreprise ciblée, car elle a un effet non seulement sur son marché, sur ses ventes, mais aussi sur son accès aux capitaux.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».