Les restructurations d’entreprises et l’élite financière au Québec. Une étude du cas Papiers White Birch
Bibliographic record
Abstract
Cet article vise à contribuer à l’étude de l’élite financière opérant au Québec en s’appuyant sur l’analyse du cas de l’entreprise Papiers White Birch dans le secteur des pâtes et papiers. Entrée dès 2010 dans un processus de restructuration financière encadré par laLoi sur les arrangements avec les créanciers des compagnies(LACC), cette entreprise a vu ses règles courantes de gestion être modifiées afin de se conformer à un plan de relance axé sur la protection et la valorisation du patrimoine financier de certains investisseurs. L’article retrace le rôle et les logiques d’action de deux groupes faisant partie de l’élite financière dans la mise en place de ce plan de relance, soit le groupe des créanciers et propriétaires de l’entreprise d’un côté, et les experts financiers chargés de conseiller les autorités juridiques durant le processus de restructuration, de l'autre. La mise en lumière des fonctions et stratégies déployées par ces acteurs dans ce processus illustre des modalités par lesquelles les élites financières contemporaines peuvent tirer avantage des crises industrielles et contribuer ainsi à intensifier le processus de financiarisation de l’économie.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".