MétaCan
Menu
Back to cohort
Record W4386928748 · doi:10.7202/1105662ar

Judiciarisation des conflits dans la mise en marché collective des produits agricoles au Québec

2023· article· fr· W4386928748 on OpenAlexaffvenueabout
Laurence Robert

Bibliographic record

VenueLex Electronica · 2023
Typearticle
Languagefr
FieldBusiness, Management and Accounting
TopicGlobal trade, sustainability, and social impact
Canadian institutionsUniversité de Montréal
Fundersnot available
KeywordsPolitical scienceHumanitiesPhysicsPhilosophy

Abstract

fetched live from OpenAlex

À titre de régulateur économique, la Régie des marchés agricoles et alimentaires du Québec (RMAAQ) tranche les litiges contractuels entre organisations de producteurs et acheteurs qui découlent du cadre réglementaire et conventionnel applicable. Depuis quelques années, plusieurs indices portent à croire qu’un phénomène de judiciarisation de la résolution des conflits s’est développé, se répercutant notamment sur l'efficacité du processus de la RMAAQ et la performance globale du système. Qu’en est-il ? Quels facteurs contribuent à alimenter ce phénomène s’il existe réellement ? Dans une logique exploratoire, nous répondons à ces questions en documentant les composantes du processus et leur évolution depuis une quinzaine d’années, au travers l’analyse de 17 entretiens conduits auprès des offices, des acheteurs accrédités et d’avocats actifs dans ce domaine réglementé. Ce que nous retenons est que la judiciarisation des litiges n’est pas tant quantitative, mais plutôt qualitative. Les résultats montrent une judiciarisation accrue des litiges due à la complexité des enjeux économiques, à la dynamique et les rapports entre les intermédiaires devant la RMAAQ et à la faiblesse des modes alternatifs. De plus, un cycle de contrôle judiciaire des décisions de la RMAAQ, dans la décennie 2000-2010, semble avoir été déterminant. Depuis, une culture juridique s’est réellement institutionnalisée dans le processus résolution des conflits et la RMAAQ tente de la prendre en charge. L’article contribue à décrire un phénomène aux conséquences potentiellement nuisibles aux coûts de fonctionnement de la mise en marché collective et à explorer une importante institution du secteur agroalimentaire québécois encore peu analysée.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.162
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.002
Science and technology studies0.0010.001
Scholarly communication0.0010.001
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.020
GPT teacher head0.265
Teacher spread0.245 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes3
Has abstractyes

Explore more

Same venueLex ElectronicaSame topicGlobal trade, sustainability, and social impactFrench-language works237,207