L'assurance des dommages matériels au Québec et l'indemnisation directe : un régime efficace mais encore mal compris
Bibliographic record
Abstract
Depuis vingt ans, la réparation des dommages causés aux automobiles s'effectue suivant le principe de l'indemnisation directe basée sur la faute chaque fois que deux ou plusieurs véhicules sont impliqués dans un accident. Cette innovation majeure présente de nombreux avantages par rapport au système antérieur, mais certains de ses aspects sont encore mal compris par le public. L'auteur relate d'abord les circonstances qui ont amené le législateur à adopter ce système en 1978. Il expose ensuite les modifications apportées par la Loi sur l'assurance automobile aux règles générales du Code civil du Québec relatives au contrat d'assurance pour répondre aux exigences de la mise en oeuvre de l'assurance obligatoire et de l'indemnisation directe. Puis, l'auteur discute les conséquences de l'indemnisation directe en ce qui concerne la disparition, dans la police d'assurance automobile, de l'exclusion relative à la conduite en état d'ébriété et en ce qui a trait à la tarification du risque et à la création en 1989 du Fichier central des sinistres automobiles. Il aborde enfin le problème de l'utilisation de l'âge, du sexe et de l'état civil comme facteur de tarification au regard des dispositions de la Charte des droits et libertés de la personne.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".