Les réseaux sociaux : un espoir pour une régulation efficace des acteurs économiques et financiers
Bibliographic record
Abstract
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.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".