MétaCan
Menu
Retour à la cohorte
Enregistrement W2089366318 · doi:10.4000/rga.1890

Combinaison de proximités géographiques et socio-économiques

2012· article· fr· W2089366318 sur OpenAlexaff
Éric Boutroy, Philippe Bourdeau, Pascal Mao, Nicolas Senil

Notice bibliographique

RevueRevue de géographie alpine · 2012
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Urban and Social Studies
Établissements canadiensCentre de Santé et de Services Sociaux de la Montagne
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

S’il est aujourd’hui reconnu que la région Rhône-Alpes se caractérise par une concentration singulière d’entreprises sportives, en particulier dans le secteur des sports de montagne et de nature, ce phénomène ne semble pas relever des paradigmes classiques analysant les interrelations territorialisées entre acteurs industriels, de recherche et de formation. Ces constats ne signifient pas l’absence à l’échelle rhône-alpine d’interactions fortes entre acteurs géographiquement proches, mais incitent à aborder ce phénomène à partir d’une approche plus descriptive et mesurée. À partir des résultats d’une enquête croisant géographie économique et géographie culturelle, cet article commencera par montrer en quoi Rhône-Alpes supporte une filière « Tourisme sportif de montagne et de nature » de premier rang en détaillant ses caractéristiques structurelles et territoriales : échelle spatiale élargie, pluralité des acteurs et fonctions interreliées… Dans une démarche compréhensive, nous essaierons ensuite de montrer l’existence de configurations localisées de coopérations, fondées sur une complémentarité de proximités géographiques et socio-économiques. À l’heure d’un questionnement des politiques publiques centralisées de clustering (Duranton et al., 2008), il semble ainsi légitime d’observer les dynamiques « spontanées » entre organisations pour comprendre de manière plus réaliste les liens entre l’attractivité des territoires et la compétitivité d’une filière.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,720
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,005
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,054
Tête enseignante GPT0,295
Écart entre enseignants0,240 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue de géographie alpineMême sujetFrench Urban and Social StudiesTravaux en français237 207