Informations, intérêts, et consultations publiques : une analyse de l'impact des parties prenantes sur la réglementation canadienne
Bibliographic record
Abstract
Les consultations publiques comptent. Elles permettent aux citoyens, aux groupes d’intérêt et aux entreprises de signaler leurs préférences aux administrateurs canadiens. Elles servent également d’espace où les différentes parties prenantes de la règlementation peuvent partager leur savoir et leurs connaissances. Contrairement aux courants théoriques et empiriques dominants, elles ne sont pas qu’un instrument symbolique. Les consultations ne se limitent pas non plus à être une avenue supplémentaire permettant aux intérêts économiques d’exercer une influence indue sur l’articulation des politiques publiques. Cette thèse démontre que l’étendue des consultations publiques a une incidence sur l’importance des changements règlementaires et que la diversité des participants prenant part à celles-ci est positivement corrélée à la sévérité des règlements. Elle argumente également que les administrateurs consultent systématiquement les organismes et individus s’identifiant comme Autochtones lors de l’écriture de leurs règlements. Néanmoins, les résultats des analyses présentées dans cette thèse supportent le fait que les entreprises sont le type de parties prenantes qui participent le plus largement et le plus fréquemment aux consultations publiques. De plus, ces résultats démontrent que les consultations règlementaires restent généralement limitées et que les administrateurs peuvent difficilement incorporer les savoirs autochtones à leurs analyses d’impact. Globalement, cette thèse présente par quel mécanisme les administrateurs peuvent intégrer à leur travail des informations (politiques et/ou techniques) qui leur sont normalement inaccessibles. Elle décrit quel est l’effet d’inclure des informations diversifiées sur la nature des règlements et quel type d’information est recherché et utilisé par l’administration publique canadienne.
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 | 0.010 | 0.063 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.005 | 0.011 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.021 | 0.001 |
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".