L’évaluation des facteurs relatifs à la vie privée : pour un équilibre entre l’objectif de protection des renseignements personnels et la responsabilité des entreprises
Bibliographic record
Abstract
Le Québec a récemment adopté la Loi modernisant des dispositions législatives en matière de protection des renseignements personnels qui, comme son titre l’indique, modernise la protection des renseignements personnels dans diverses lois, incluant la Loi sur la protection des renseignements personnels dans le secteur privé. Parmi les nouvelles obligations imposées aux entreprises figure l’obligation de réaliser une évaluation des facteurs relatifs à la vie privée (EFVP). Le présent texte explore l’EFVP en examinant, d’une part, les situations dans lesquelles une telle évaluation est requise et en esquissant, d’autre part, quelques éléments permettant d’en comprendre la méthode et la réalisation. L’étude des contours de cette nouvelle obligation, illustrée par le développement et l’exploitation d’une technologie financière, dévoile un fardeau imposant pour les entreprises. En même temps, l’étude permet de constater que la généralisation de l’EFVP contraste avec l’absence de balises législatives. Les auteurs plaident pour une obligation plus équilibrée et mieux éclairée.
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 | 0.019 | 0.033 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.007 | 0.008 |
| Scholarly communication | 0.011 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| 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".