Bibliographic record
Abstract
La gestion du risque gagne en importance dans les entreprises comme dans la société en général. Cet ouvrage s'articule en deux grandes parties. Dans la première, le concept de risque est introduit dans son contexte historique et la terminologie et les concepts liés à l’identification et à la caractérisation des expositions au risque définis. Les outils nécessaires à l'appréciation des risques sont passés en revue et les différentes étapes du processus de la gestion du risque discutées. La deuxième partie s’attache à l’économie des assurances, aux assurances sociales et au marché des assurances privées. Les différentes branches et produits d'assurances privées sont analysés, avant que l’ouvrage expose les bases du calcul des primes d’assurances en fonction des prestations contractuelles et afin d’offrir un aperçu de la pratique d’un actuaire. De nombreuses applications pratiques (comme la gestion des cyber-risques), exemples et illustrations complètent l'ensemble. Cet ouvrage se pose comme une référence pour les étudiants des hautes écoles de gestion, les professionnels et toute personne intéressée par la gestion du risque et le domaine des assurances.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.003 | 0.015 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.035 | 0.005 |
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".