Indice du risque social : un outil pour mieux saisir les enjeux, risques et opportunités des projets miniers
Bibliographic record
Abstract
Peut-on prédire si un projet sera jugé socialement acceptable par ses principales parties prenantes ? Dans un contexte où l’acceptabilité sociale en est venue à être considérée comme une condition à la réalisation de tout grand projet, cette question s’avère centrale pour tout développeur de projet, de même que pour les investisseurs qui les soutiennent. C’est dans cette perspective qu’a été développé l’Indice du risque social dans les projets miniers, une initiative soutenue par l’Autorité des marchés financiers à laquelle a travaillé une équipe interdisciplinaire de chercheurs. Au-delà de jeter un éclairage sur la pertinence d’aller de l’avant ou non avec un projet, cet outil prédictif peut surtout permettre de moduler ledit projet, de concert avec ses parties prenantes, pour le rendre davantage acceptable à leurs yeux. Nous souhaitons ici rendre compte des possibilités offertes par cet indice en l’appliquant à deux projets miniers récemment discutés au Québec, soit le projet de mine aurifère développé par Osisko dans la municipalité de Malartic, en Abitibi-Témiscamingue, et celui de Mine Arnaud, à Sept-Îles, qui vise cette fois l’exploitation de l’apatite. Cet exercice nous permet de réaffirmer la pertinence de l’outil que constitue l’Indice, mais également de relever les limites qui lui sont inhérentes.
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 | 0.021 | 0.052 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.011 | 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".