Government contracts and public values : the case of court administration
Bibliographic record
Abstract
Cette thèse examine le rôle du secteur privé au sein du Système de Gestions des Cours et du Greffe (SGCG) qui a pour objectif de fournir un soutien administratif aux tribunaux judiciaires du Canada. Si, jusqu’à présent, cette tâche revenait au personnel des diverses cours, il est finalement apparu nécessaire de réduire les délais de procédure et d’accroître l’efficacité des tribunaux en sollicitant le secteur privé. C’est ainsi que les gouvernements ont pris l’initiative de moderniser le SGCG en investissant dans la transformation numérique, afin de permettre la numérisation et l’indexation des documents, ainsi que l’automatisation du flux de travail. Au coeur de cette étude nous pouvons identifier un certain mécontentement quant à la manière dont le droit public tend à réglementer les services offerts par le secteur privé aux tribunaux. Plus précisément, cette thèse soutient que la méthode employée par les différents gouvernements (fédéral et provincial) concernant la réglementation des contrats, ne permet pas de faire face à la pression croissante que les acteurs privés exercent sur l’indépendance judiciaire, valeur pourtant fondamentale. Cela s’explique par le fait que cette régulation est trop centralisée, et qu’elle ne tient pas compte des besoins spécifiques à chaque institution et aux projets impliquant le secteur privé. Cette thèse suggère donc de s’appuyer sur des instruments alternatifs – tels que le processus d’acquisition de marchés et les clauses contractuelles qui en découlent – afin de combler les lacunes réglementaires existantes.
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 | 0.009 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.019 | 0.025 |
| Scholarly communication | 0.020 | 0.010 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.011 | 0.008 |
| Insufficient payload (model declined to judge) | 0.011 | 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".