Bibliographic record
Abstract
Les entreprises se plient-elles toujours à la réglementation qui les concerne ? Peut-on s’attendre à ce qu’elles cherchent à dépasser les normes en vigueur, surtout lorsque leurs ressources sont limitées ? Enfin, à l’heure où tout scandale est rapidement relayé, où des organismes et des fonds sont dédiés à la santé publique et à l’environnement, une entreprise qui enfreint la loi aux dépens de sa collectivité peut-elle trouver une sortie à son avantage ? C’est ce que ce livre propose d’explorer à partir d’une controverse environnementale qui a fait les manchettes au Québec de 2012 à 2019 : l’affaire Anacolor. La première partie de l’ouvrage est consacrée à l’histoire de cette controverse. La deuxième partie fait le point sur les éléments qui l’ont déclenchée et ceux qui auraient permis de l’éviter à travers une réflexion sur le cas, une mise en situation et des questions ciblées. Ce livre s’adresse aux enseignants et enseignantes ainsi qu’aux étudiants et étudiantes qui s’intéressent aux controverses, aux citoyens et citoyennes qui cherchent à structurer leurs actions sur le terrain et aux gestionnaires qui souhaitent développer leurs activités en harmonie avec leur milieu.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.076 | 0.029 |
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".