MétaCan
Menu
Retour à la cohorte
Enregistrement W4323320071 · doi:10.4324/9781003182375-5

Digging for accountability in Canada

2023· book-chapter· en· W4323320071 sur OpenAlexaboutno aff
Angela M. Asuncion, Nicolas D. Brunet, Dominique Caouette

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Law and Human Rights
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiggingAccountabilityPolitical scienceGeographyArchaeologyLaw

Résumé

récupéré en direct d'OpenAlex

Canada is a prominent leader in the global extractive sector, with more than 800 Canadian mining corporations active in over 100 countries across the globe. Canadian mining assets overseas are valued at $144.2 billion, accounting for approximately 65% of the nation’s total mining assets. However, Canada’s dominance in the international mining industry has come at a cost, especially for the Global South. Historically, Canadian mining corporations have been under scrutiny for taking advantage of weak legal systems in underdeveloped nations. The public has become increasingly aware of alleged human rights abuses and socio-environmental disasters involving Canadian mining operations overseas. Despite these behaviours, there remains an absence in global regulatory treaties litigating corporate accountability in the extractive industry. Liabilities from mining externalities have consequently been ignored through non-binding international frameworks, national policies, and CSR. However, the legitimacy of global frameworks and CSR practice have been called into question as socio-environmental negligence remains unabated across the Global South’s extractive sector. This chapter reviews the international legal systems, national policies, and CSR mechanisms regulating the Canadian mining industry in the Global South. It specifically addresses gaps in knowledge related to Canadian foreign ownership and CSR practice in underdeveloped nations, exploring the impact of Toronto Ventures Incorporated within the Philippines as a case study for analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil0,942

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0210,011
Communication savante0,0140,004
Science ouverte0,0010,004
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,209
Écart entre enseignants0,164 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCorporate Law and Human RightsTravaux en français237 207