Impacts de l'action du groupe environnemental Eau Secours! sur les politiques québécoises relatives à l'eau
Bibliographic record
Abstract
Cet essai vise à mesurer la portée, sur les décisions politiques, de l’action d’un groupe environnemental qui se préoccupe de dossiers liés à l’eau. Le groupe à l’étude, appelé Eau Secours! est un groupe d’intérêt public qui a vu le jour en 1997. Nous proposons de vérifier si les actions du groupe lui permettent d’atteindre ses objectifs et nous tenterons ensuite d’examiner son répertoire d’actions. L’analyse de quatre dossiers est privilégiée : la privatisation de la gestion des eaux municipales, l’exportation massive d’eau à l’extérieur du Québec, le programme de construction de mini-centrales hydroélectriques privées, et l’élaboration d’une politique de l’eau en accord avec les principes du développement durable. Les résultats de l’étude montrent que l’utilisation par le groupe environnemental des médias de masse et le recours à des réseaux lui ont permis d’obtenir des effets positifs en ce qui a trait aux décisions gouvernementales. Cependant la participation du groupe à une consultation publique a entraîné des résultats mitigés. De manière générale, cette étude de cas montre la complexité de la relation entre un groupe environnemental et des acteurs gouvernementaux engagés à différents niveaux.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.019 | 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".