Deux outils pour encourager des pratiques morales et éthiques en gestion
Bibliographic record
Abstract
Résumé Cet article pose que l’engouement actuel pour les questions éthiques en gestion ne provient pas seulement d’une réaction défensive à des abus financiers, mais que, plus profondément, il dénote une volonté de concevoir les affaires de façon plus pluraliste. Devant la confusion observée actuellement entre les notions de droit, de valeurs, de morale et d’éthique, nous suggérons des définitions pour mieux les distinguer. Nous invitons aussi les gestionnaires à examiner avec soin leurs suppositions de base qui influencent leurs manières de voir et d’agir dans leurs fonctions. Après avoir démontré comment 10 traditions éthiques traitent différemment d’une même problématique, nous proposons deux processus ou outils pour aller au-delà de la réglementation et des valeurs habituelles en gestion : le premier processus est basé sur le dialogue avec soi-même et avec d’autres personnes, et le second processus, sur l’étude des grandes traditions en philosophie morale. Afin d’établir l’importance de mieux appréhender les suppositions de base des grandes traditions éthiques, nous intégrons dans cet article les suppositions de base défendues par Adam Smith. Cet auteur fut en effet le premier à articuler les relations qui existent entre l’économie de marché, le droit, les valeurs, la moralité et l’éthique.
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 | 0.020 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.006 | 0.024 |
| Scholarly communication | 0.013 | 0.015 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.008 | 0.014 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".