Tour d’horizon de quelques stratégies normatives en matière de perturbateurs endocriniens
Bibliographic record
Abstract
Les perturbateurs endocriniens et leurs effets délétères sur la santé et l’environnement sont connus de la communauté scientifique depuis plus de deux décennies et pourtant ce sujet est toujours autant d’actualité. Entre les difficultés de la science à circonscrire l’ampleur de la problématique et celles des gouvernements à mettre en œuvre des solutions efficientes, il n’est pas aisé de déterminer quelles mesures implémenter. Or, l’action gouvernementale est désormais impérative dans un contexte où l’exposition aux perturbateurs endocriniens est telle que les choix des consommateurs ne peuvent suffire à les protéger adéquatement. Le présent essai visera d’abord à définir les perturbateurs endocriniens, en insistant sur les caractéristiques leur étant spécifiques et devant être prises en compte dans l’élaboration d’un encadrement normatif approprié. S’en suivra une analyse critique des stratégies normatives présentement utilisées au niveau international, au niveau de l’Union européenne et au niveau du Canada, qui mettra en lumière l’absence, à l’heure actuelle, de cadre normatif parfaitement adapté à la réalité des perturbateurs endocriniens. Cette analyse révélera toutefois que l’approche du REACH européen s’avère être la stratégie la plus avancée en la matière.
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 | 0.015 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.006 | 0.033 |
| Scholarly communication | 0.015 | 0.012 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.007 | 0.009 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".