Bibliographic record
Abstract
Le champ de la sécurité connaît actuellement un développement exponentiel du secteur privé, générant de nouveaux modes de gouvernance hybrides basés sur des partenariats public-privé (PPP). Cette recherche propose d’étudier un dispositif sécuritaire spécifique cherchant à combattre une forme de l’objet particulier qu’est le crime en col blanc, c’est-à-dire la lutte anticontrefaçon (LAC) en Belgique, à travers l’analyse complète de ses pratiques de gouvernance, en tentant de trouver des explications à l’impunité relative caractérisant le phénomène criminel. Pour ce faire, une observation participante a été réalisée au sein du Bureau d’investigations privées (le BIP), possédant une place stratégique dans la lutte, et les données recueillies ont été analysées à la lumière de la classification triple des questions de sécurité de Valverde (2011). Il en ressort que l’impunité émanant du dispositif de la LAC, tiraillé par des logiques contradictoires d’application de la loi et de rentabilisation économique, n’est pas à imputer à un manque de collaboration au sein du PPP, le BIP s’appliquant à la garantir. Le dispositif apparaissant paradoxalement stable, l’impunité serait davantage le produit d’une définition des priorités, fréquente lorsqu’il s’agit de crime en col blanc, de la part des acteurs aux commandes : les magistrats et les marques.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.012 | 0.010 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.075 | 0.014 |
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".