MétaCan
Menu
Retour à la cohorte
Enregistrement W3041225315 · doi:10.7202/1070496ar

L’attractivité des territoires ruraux chez les jeunes : une approche par les déterminants psychosociologiques de l’intention de rester vivre sur son territoire

2020· article· fr· W3041225315 sur OpenAlexvenueno aff
Jean-Louis Pernin, Ivan Dufeu, Laurent Georges, Raoul Djamen

Notice bibliographique

RevueRevue Jeunes et Société · 2020
Typearticle
Languefr
DomaineEnvironmental Science
ThématiqueUrban Green Space and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

L’objectif de cet article est d’étudier les facteurs d’attractivité territoriale chez les jeunes originaires de territoires ruraux en s’appuyant sur les déterminants psychosociologiques de l’intention de rester vivre sur leur territoire. Pour ce faire, il s’appuie sur la théorie du comportement planifié (TCP), mobilisée ici pour prédire l’intention comportementale. Le modèle classique de la TCP est, compte tenu de la problématique de l’article et des débats scientifiques actuels, enrichi du rajout de deux variables explicatives de l’intention de rester sur son territoire rural : les regrets anticipés et l’attachement territorial. L’attractivité d’un territoire est donc abordée ici en s’appuyant sur les perceptions subjectives et individuelles. Sur la base d’entretiens semi directifs et sur une enquête par questionnaire (n=322) conduits auprès de jeunes de 18 à 20 ans, ce travail a permis : 1) d’identifier les bénéfices et les freins liés au fait de rester vivre sur son territoire ; 2) de tester la capacité prédictive de ces bénéfices et freins sur l’attitude, la perception de contrôle sur le comportement et les regrets anticipés ; 3) d’évaluer le rôle de ces construits ainsi que de l’attachement territorial dans la formation de l’intention de rester vivre sur son territoire rural. Il apparait que les dimensions socioculturelles prennent une importance primordiale dans les résultats, davantage que les dimensions économiques et infrastructurelles. Des préconisations managériales sont formulées en conclusion ainsi que le bilan des apports théoriques et des pistes de recherche.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,061
Tête enseignante GPT0,327
Écart entre enseignants0,266 · 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'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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue Jeunes et SociétéMême sujetUrban Green Space and HealthTravaux en français237 207