Bibliographic record
Abstract
D’abord journaliste à La Presse de 1961 à 1968, puis attaché politique et conseiller spécial du ministre unioniste Jean-Guy Cardinal à une époque où tout se construit et se déconstruit au Québec, Luc Beauregard a reçu de précieux enseignements sur les écueils du journalisme et sur les réseaux officiels et officieux d’information. C’est après s’être chargé du redressement éditorial et financier du Montréal-Matin , qu’il réussit malgré des jeux de coulisses contraires et d’âpres conflits de travail, qu’il s’oriente définitivement vers les relations publiques. En 1976, il fonde seul NATIONAL, aujourd’hui le plus grand cabinet de relations publiques au Canada : présent dans neuf des principales villes, l’entreprise emploie plus de 400 professionnels de la communication. Peu à peu, Luc Beauregard s’affirme comme un précieux conseiller en communication et en stratégie auprès des plus grandes entreprises - Molson, Banque Nationale, BioChem Pharma - alors que les crises qu’il a à gérer se succèdent à un rythme effarant - Airbus, Cinar, Churchill Falls. Fidèle à ses idéaux journalistiques, il devient un leader dans son domaine en faisant le pari de la vérité et invente, ce faisant, la façon de faire des relations publiques au Canada. Les auteurs explorent à la loupe le parcours professionnel de ce grand homme afin de révéler ses expériences intimes de l’exercice du pouvoir.
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 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.230 | 0.137 |
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".