Les stratégies climatiques et les pratiques de légitimation des grands émetteurs industriels : une approche qualitative
Bibliographic record
Abstract
Depuis l’adoption du Protocole de Kyoto en 1997, les changements climatiques sont devenus une préoccupation sociale dominante, interpellant de plus en plus les gouvernements, les entreprises et les citoyens. Devant les pressions grandissantes des parties prenantes, les entreprises sont de plus en plus contraintes à mettre en place des indicateurs de performance et à divulguer des informations sur leur performance climatique afin de légitimer leurs activités industrielles. Cependant, peu de recherches ont été menées sur la crédibilité des informations divulguées et les stratégies mobilisées par les entreprises pour influencer les perceptions des parties prenantes. Cette thèse de doctorat est centrée sur le processus de mesure, de vérification et de communication des données climatiques. Les trois articles de cette thèse répondent à une question générale de recherche: Quelle est la crédibilité des informations climatiques des grands émetteurs industriels et quelles sont les stratégies de légitimation sous-jacentes à leur divulgation? Les deux premiers articles de la thèse sont basés sur une étude de cas auprès de dix grands émetteurs canadiens. Le premier article remet en cause la mesurabilité des émissions de GES et la crédibilité des informations divulguées par les entreprises. L’article met en lumière trois principaux facteurs pouvant affecter la crédibilité et la confiance dans les inventaires de GES : la complexité de la mesure et les problèmes techniques, le manque de transparence et les problèmes au niveau de la fiabilité des mécanismes de vérification. Le deuxième article porte pour sa part sur les arguments et les stratégies d'influence mobilisés par les émetteurs industriels pour justifier, auprès des parties prenantes l’impact de leurs opérations sur le réchauffement climatique. En s’appuyant sur la littérature sur les techniques de neutralisation, l’article identifie six stratégies de légitimation utilisées par les entreprises étudiées : l’autoproclamation de l’excellence, la promotion d’une vision systémique, le déni et la minimisation, le traitement injuste et les apparences trompeuses, le chantage économique et technologique et le blâme. Finalement, le troisième article repose sur une analyse longitudinale des rapports de développement durable de 21 entreprises du secteur de l'énergie afin de montrer les stratégies de gestion des impressions utilisées dans le discours des entreprises. L’article montre la qualité incertaine des informations divulguées par les entreprises et explore les stratégies mobilisées pour justifier ou dissimuler des éléments négatifs concernant la performance climatique. Les résultats de cette étude démontrent notamment l'inefficacité des firmes de vérification à assurer la qualité des données et l’opacité des informations divulguées.
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 | 0.062 | 0.057 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.007 | 0.013 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| 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".