Bibliographic record
Abstract
L’année 2022 est marquée par l’accélération de l’apurement du contentieux d’investissement visant le Canada sur le fondement de l’Accord de libre-échange nord-américain entre le gouvernement du Canada, le gouvernement des États-Unis et le gouvernement du Mexique (ALÉNA).1 Pas moins de quatre affaires connaissent leur dénouement avec des sentences arbitrales qui rejettent toutes les réclamations des investisseurs américains, dont une sentence très attendue dans l’affaire Lone Pine Resources c Canada,2 concernant l’interdiction par le Québec du gaz de schiste. Avec la fin en 2023 du régime transitoire de règlement des différends entre investisseurs et États (RDIE) entre le Canada et les États-Unis, prévu par l’Accord entre le Canada, les États-Unis et le Mexique (ACÉUM),3 ce contentieux devrait se tarir de manière durable puisque le RDIE cessera alors de s’appliquer entre les deux pays. La pratique conventionnelle du Canada en matière d’investissement continue de stagner et aucun nouvel accord n’est à signaler. Sur le plan interne toutefois, le gouvernement fédéral dépose le projet de loi C-34 qui propose la plus importante réforme de la Loi sur Investissement Canada4 depuis l’ajout d’un mécanisme d’examen des investissements étrangers relatif à la sécurité nationale en 2009.5 Le projet de loi C-34 et l’affaire Lone Pine Resources font l’objet d’une analyse détaillée dans la chronique cette année. Un tour d’horizon des principaux autres faits marquants de 2022 est d’abord effectué.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.269 | 0.123 |
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".