La gestion de l'eau au Canada et ses instruments
Bibliographic record
Abstract
Je remercie le professeur Louis Simard de m'avoir épaulé durant la réalisation de ce mémoire.Ses conseils, perspectives, et suggestions ont contribué une grande richesse à ce mémoire.Ses nombreuses révisions ont suscité de bonnes réflexions qui m'ont été indispensables.Je remercie aussi le professeur Éric Champagne, qui a accepté d'évaluer ce mémoire.Je remercie mon partenaire Charles pour son aide, ses nombreux conseils et pour m'avoir ravivé lorsque la lumière au bout du tunnel s'estompait.Je remercie mes parents de m'avoir encouragé à poursuivre des études supérieures sans quoi ce mémoire n'aurait pas vu le jour. Résumé (court)La littérature universitaire décrit souvent la gestion canadienne de l'eau comme étant fractionnée.Les conséquences de cette fragmentation sont particulièrement présentes dans la gestion commerciale de l'eau.Ce mémoire examine le rôle de la gestion de l'eau pour régir l'usage de l'eau (une ressource commune) par des acteurs privés, soit précisément la gestion commerciale de l'eau.À travers le cas des renouvellements de permis de Nestlé en Ontario entre 2007 et 2016, la capacité du cadre de gestion de l'Ontario sera étudiée sous l'angle des instruments d'action publique (typologie de Lascoumes et Le Galès).Ce mémoire analyse donc les instruments qui ciblent la gestion de l'eau à l'échelle commerciale en Ontario et évalue s'ils assurent une gestion durable de l'eau.Notre étude soutient que les instruments révèlent l'évolution de la politique publique et sont un moyen de réaffirmer le pouvoir d'action et de contrôle de l'État.
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 | 0.007 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.008 | 0.004 |
| Scholarly communication | 0.011 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.074 | 0.015 |
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".