Les facteurs de risque dans la gouvernance des grands projets d’infrastructure publique : revue de portée de la littérature
Bibliographic record
Abstract
En matière de gouvernance éthique des grands projets d’infrastructure publique, les pratiques de collusion et de corruption sont toujours présentes dans les États membres de l’Organisation de coopération et développement économiques, et ce, en dépit de nombreuses mesures visant à contrer ces pratiques. Au vu de la faible efficacité de ces mesures, plusieurs chercheurs ont souligné la nécessité d’identifier avec plus de précision les facteurs et les processus menant un individu ou une organisation à transgresser les normes en vigueur. Les études réalisées jusqu’à présent se focalisent majoritairement sur l’identification des facteurs économiques et légaux. En réponse à ce décalage, cette revue de portée dresse un portrait global des facteurs facilitant les pratiques de collusion et de corruption lors de grands projets d’infrastructure. Outre l’identification de ces facteurs, cet article souligne la nature systémique de telles pratiques ainsi que l’absence d’une communauté épistémique structurée autour de cette problématique de recherche.
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 | 0.029 | 0.063 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.010 |
| Science and technology studies | 0.003 | 0.014 |
| Scholarly communication | 0.018 | 0.012 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.006 | 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".