Action intersectorielle locale pendant la pandémie de COVID-19: une démarche de développement territorial en milieu rural
Notice bibliographique
Résumé
OBJECTIVE: The COVID-19 pandemic affected the action of collaborative networks, connecting organizations from the public, community, and private sectors. Intersectoral action is a recognized strategy for tackling complex problems and reducing social inequalities. This study aims to understand how the COVID-19 pandemic modified local intersectoral action to improve the living conditions of rural populations. METHODS: Data for this qualitative, case study were collected through semi-structured individual interviews, observation sessions, and documentary analysis. Actor-network theory was used as the theoretical framework. Data collection took place from March 2021 to June 2022. The data were processed using a thematic analysis inspired by the analytical framework. RESULTS: The pandemic disrupted local intersectoral action, hampering networking operations and promoting a sectoral approach. Strategies favouring networking (use of technology and the liaison work of collective stakeholders) made it possible to create spaces for negotiating shared interests, identifying common causes, committing players to new roles, and sharing resources. CONCLUSION: When faced with disruptions, networks can be flexible, testifying to the relevance of intersectoral action to meet the needs of the population. Even if the network was in a state of near-fragmentation before the pandemic, its reconstitution and remobilization were relatively easy for the community organizers.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,018 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».