MétaCan
Menu
Retour à la cohorte
Enregistrement W1517597669 · doi:10.1111/cjag.12015

La Participation des Adhérents Dans Leurs Coopératives Agricoles: Une Étude Exploratoire du Secteur Céréalier Français

2013· article· fr· W1517597669 sur OpenAlexvenueno aff
Valérie Barraud‐Didier, Marie‐Christine Henninger, Pierre Triboulet

Notice bibliographique

RevueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomie · 2013
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueCooperative Studies and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceMultinomial probitPhilosophyEconomicsProbit model

Résumé

récupéré en direct d'OpenAlex

En adhérent à une coopérative agricole, les agriculteurs s'engagent à participer économiquement à celle‐ci en tant que coopérateurs et également à participer à son gouvernement, en tant qu'associés. Or aujourd'hui, les chercheurs et directeurs de coopératives constatent une baisse de ces deux niveaux de participation. Ce papier a pour objectif de construire une typologie des adhérents de coopératives agricoles du secteur céréalier français au regard de leurs comportements de participation puis d'identifier les déterminants qui expliquent l'appartenance des adhérents à une des classes de la typologie à partir d'un modèle probit multinomial. Nous faisons l'hypothèse que les attitudes de confiance et d'implication organisationnelles manifestées par l'adhérent envers sa coopérative peuvent expliquer ces différences de comportements aux côtés de variables individuelles liées à l'adhérent et son exploitation agricole et de variables liées à la coopérative à laquelle il adhère. L'analyse des comportements de participation permet de regrouper les 290 adhérents de l'échantillon en trois classes distinctes: « les individualistes », « les bons soldats » et « les engagés ». Les résultats du probit multinomial sur ces 3 classes montrent notamment un effet significatif de l'attitude d'implication organisationnelle, de la présence de stockage à la ferme et de la taille de la coopérative sur la probabilité d'être individualiste par rapport aux deux autres classes.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,722
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,006
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,032
Tête enseignante GPT0,178
Écart entre enseignants0,146 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Agricultural Economics/Revue canadienne d agroeconomieMême sujetCooperative Studies and EconomicsTravaux en français237 207