Bibliographic record
Abstract
Pour faire face à la croissance des inégalités et, en particulier, à l’explosion des revenus des chefs d’entreprise dans les dernières décennies, une proposition gagne en popularité : le plafonnement des revenus des hauts dirigeants des grandes entreprises. L’événement sans doute le plus marquant dans l’histoire de cette idée s’est déroulé en 2013, en Suisse, où fut soumise en votation, puis rejetée par le Parlement et le Conseil fédéral, l’Iniative populaire fédérale « 1:12 – Pour des salaires équitables ». La proposition était d’ajouter un article à la Constitution fédérale imposant aux plus hauts salariés des entreprises helvétiques un plafond qui ne devait pas dépasser douze fois le revenu du plus bas salarié de l’entreprise. Cette proposition semble tout indiquée pour séduire toute personne indignée par l’injustice de cette situation et convaincue de la nécessité de s’y attaquer. Mais est-ce vraiment la meilleure stratégie pour endiguer l’injustice sociale dénoncée ? Afin d’évaluer cette proposition, nous ferons d’un ouvrage de l’économiste Gaël Giraud et de la philosophe Cécile Renouard, dont le titre fait écho à l’initiative populaire suisse : Le Facteur 12, Pourquoi il faut plafonner les revenus (2017), l’objet de notre investigation. Cela nous permettra de mettre en lumière ce qui nous apparaît comme étant les meilleurs arguments en appui au plafonnement des revenus des hauts dirigeants d’entreprise, les limites de cette stratégie et, enfin, les avantages du modèle standard et universel de l’impôt progressif.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.014 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.006 | 0.007 |
| Insufficient payload (model declined to judge) | 0.016 | 0.003 |
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".