Découvrir les nouveaux visages des régions du Québec (entrevue)
Notice bibliographique
Résumé
PARTIE 2 Les expériences d'ici Découvrir les nouveaux visages des régions du Québec Entrevue avec Marie-Ève Arbour Marie-Ève Arbour est la fondatrice de Visages régionaux, une agence spécialisée en marketing territorial et en développement des communautés. Passionnée des territoires, elle dirige une équipe multidisciplinaire qui accompagne les villages, villes et régions à se développer et à se faire connaître auprès des 25-45 ans qui s'intéressent au mode de vie rural. Marie-Ève a également un parcours d'implication sociale et environnementale bien garni. Elle a notamment participé à cinq forums sociaux à l'international et cofondé le mouvement Coule pas chez nous. L'entrevue a été réalisée par Raphaël Canet.RC. Tu as fondé Visages régionaux il y a plusieurs années.Peux-tu nous raconter quel était ton projet initial ?MEA.Le projet initial est parti de deux jeunes étudiants de l'UQAM qui venaient de finir leurs études, mon ex-copain et moi.Lui était diplômé en science politique et moi en communication.On avait beaucoup voyagé et j'avais déjà participé à deux forums sociaux.On avait envie de faire quelque chose qui ait un impact sur notre milieu, de contribuer au changement, mais on ne savait pas trop par quel bout commencer.On avait cependant le sentiment que même si on aimait vraiment Montréal, on ne se voyait pas y habiter.Comme si en ville on manquait un peu d'opportunités et que tout y était déjà fait.On avait le goût, cette année-là, d'aller voir un peu ce qui se faisait en région.Je me rappelle, c'était en 2009, on était au café Byblos sur la rue Laurier, Simon et moi.On réfléchissait à ce qu'on voulait faire avec ce projet-là.Et on a posé notre candidature à la bourse Laure Waridel d'Équiterre.On a gagné cette bourse de 10 000 $, qui était vraiment un montant exceptionnel pour nous à ce moment-là !On a acheté un camion qu'on a converti à l'huile végétale avec une petite roulotte en arrière qu'on a rénové.Nous étions en quête d'inspiration.Notre but c'était d'aller nous promener en région, parce qu'on avait l'impression qu'il se passait des choses mais qu'on n'en entendait pas beaucoup parler.Comme si le discours dominant autour des régions était souvent pessimiste, qu'on parlait de dévitalisation, de la perte des services, de l'exode rural.En parallèle, on avait le sentiment qu'un discours axé sur les nouvelles façons de vivre la ruralité, axé sur le positif et sur la résilience serait peut-être une façon de s'impliquer, à notre échelle.On a donc décidé d'aller voir par nous même pour découvrir des initiatives inspirantes portées par des gens tout aussi inspirants.Nous avions ciblé trois critères pour choisir parmi ces initiatives régionales : la construction écologique, la participation citoyenne et l'autonomie alimentaire.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,019 | 0,004 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».