Notice bibliographique
Résumé
There is a significant body of literature that explores the theory and methodology behind the inclusion of citizen voices in decisions which impact public institutions and assets and are made in the “public interest”. In Canada, this includes the concept of meaningful engagement, often discussed in the context of environmental governance. Principles of meaningful engagement are historically underpinned by a suite of techniques across different spectrums (e.g., tools to share information such as advertisements and open houses, through opportunities for meaningful collaboration, such as shared decision-making). Broadly speaking, an effective engagement program should be transparent, accountable, open to all, ensure early and ongoing engagement, and have provisions to fund participation. Increasingly, there has been recognition that decision-makers should also provide evidence that stakeholder voices were heard during the process, such as through publicly available reasons for the decision. Decisions should demonstrate consideration of stakeholder submissions, ensure transparency and accountability, and be based on the principles of natural justice.The purpose of this chapter is to consider how different voices are recognized across a range of administrative tribunals in Canada. A legislative review identified fifty-five tribunals that provide advice and guidance to government, with legislative requirements and recent opportunities for participation. Based on this review, four categories of administrative tribunal emerge: natural resources (federal & provincial/territorial); utilities (provincial/territorial); financial & consumer services (federal & provincial); and primarily federal matters (communications, patent medicines and transportation).While the engagement techniques are broadly explored in the legislation, small case studies provide additional details, particularly related to the role citizen voices have in the decisions. What emerges is that public access to meaningful participation opportunities varies considerably depending on the jurisdiction and the type of tribunal. Although good practices were noted in each case, there is substantial room for improvement in order to fully democratize the regulatory decision-making process in Canada.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».