Notice bibliographique
Résumé
L’objectif principal de la réforme à la Loi sur la faillite réside dans l’utlisation accrue de la procédure de réorganisation financière au détriment de la procédure de faillite. La présente étude a pour but d’évaluer l’impact potentiel de cette réforme sur la base d’une banque de données originale comprenant 393 entreprises canadiennes en réorganisation financière. Les résultats de l’analyse empirique nous mènent aux conclusions suivantes : (i) l’assouplissement de la règle de vote devrait entraîner une augmentation du nombre de propositions acceptées de l’ordre de 1.5 points de pourcentage, (ii) la modification de la priorité accordée à une partie des créances gouvernementales devrait accroître le taux de succès et d’acceptation des propositions de l’ordre de 2.02 et 0.55 points de pourcentage respectivement, et (iii) les modifications apportées au gel des procédures pourraient entraîner une augmentation de l’utilisation de propositions provisoires ce qui résulterait dans une diminution de la probabilité d’acceptation par les créanciers non garantis. Finalement, la récente réforme à la Loi sur la faillite possède tout le potentiel d’attirer en réorganisation des entreprises dans la partie gauche de la queue de la distribution des entreprises en difficultés financières. Ceci devrait réduire l’efficacité du système de faillite canadien et imposer des coûts additionnels à notre économie.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,020 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».