L'encadrement légal et les types de déviance dans les services de placement
Bibliographic record
Abstract
Résumé Le comportement déviant des courtiers, des gestionnaires de portefeuille et des planificateurs financiers peuvent entraîner des effets dévastateurs sur les plans microéconomique et macroéconomique, comme en témoignent de nombreuses affaires qui se sont produites ces dernières années au Canada et aux États-Unis. Cet article présente l’encadrement légal des entreprises de services de placement et de leurs représentants, en faisant ressortir les principales obligations applicables à ces intermédiaires et en distinguant les différentes autorités de surveillance et de contrôle responsables de l’application des régimes de responsabilité en matière civile, administrative, disciplinaire, pénale et criminelle. Ensuite, l’article met en évidence divers types de comportements déviants, soit les actes prohibés, comme l’exercice illégal de la profession et le blanchiment d’argent, de même que la violation des devoirs de diligence, de loyauté et de transparence. Plusieurs exemples tirés de la jurisprudence illustrent ces types de comportements déviants des entreprises et de leurs représentants. Fonctions : GRH, comptabilité, finance, management, droit Secteurs : financier, valeurs mobilières, bancaire
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 | 0.004 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.012 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 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".