MétaCan
Menu
Retour à la cohorte
Enregistrement W3145474306 · doi:10.7202/1075904ar

D’une révolution avortée à une autre? Les politiques québécoises en nanotechnologies et en IA au prisme de l’économie de la promesse

2021· article· fr· W3145474306 sur OpenAlexaffvenueabout
Maxime Colleret, Mahdi Khelfaoui

Notice bibliographique

RevueRecherches sociographiques · 2021
Typearticle
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueInnovation Policy and R&D
Établissements canadiensUniversité du Québec à Trois-RivièresUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Cet article analyse les politiques du gouvernement du Québec en matière de nanotechnologies au début des années 2000 et d’intelligence artificielle (IA) à partir du milieu des années 2010. La comparaison entre l’engouement passé pour les nanotechnologies et celui présent pour l’IA permet de faire ressortir plusieurs similitudes entre les actions publiques mises en place pour faire émerger et développer ces deux technologies dites « de pointe ». Dans les deux cas, nous montrons sous l’angle de l’économie de la promesse comment différentes parties prenantes construisent et font la promotion d’un futur technologique et économique jugé inéluctable afin de s’adjoindre des soutiens politiques, s’assurer une approbation sociale plus large de leurs projets et, surtout, capter d’importantes ressources financières et matérielles publiques, essentielles pour établir une activité industrielle et commerciale. Le cas des nanotechnologies, pour lequel nous avons désormais plus de recul, permet d’évaluer l’écart entre les promesses initiales et ce qui est réellement advenu. Il fournit également des pistes de réflexion pour aborder de façon critique le soutien gouvernemental actuel accordé à l’IA et les discours portant sur ses retombées économiques futures au Québec.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,649

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0090,013
Communication savante0,0100,006
Science ouverte0,0010,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,086
Tête enseignante GPT0,341
Écart entre enseignants0,255 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
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

Citations2
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRecherches sociographiquesMême sujetInnovation Policy and R&DTravaux en français237 207