Mégaprojet industriel et développement régional viable : capacité de rétention des retombées économiques et d'apprentissage des entreprises régionales, le cas de la construction de l'aluminerie d'Alcan à Alma
Notice bibliographique
Résumé
Dans une région périphérique comme le SLSJ, les investissements industriels liés à l'exploitation des ressources naturelles ont un impact majeur sur l'économie locale. Mais, l'histoire montre que ces impacts économiques arrivent rarement à résoudre de façon durable les problèmes économiques qui caractérisent ces régions. Ce mémoire étudie le potentiel du mégaprojet industriel d'Alcan à Aima sur le développement viable du SLSJ et propose un regard alternatif à la simple mesure des retombées économiques locales. Le potentiel de développement viable est abordé sous l'angle de la capacité de rétention des entreprises régionales et de la réalisation d'apprentissages à partir de leur participation au chantier. La démarche de recherche est donc centrée sur les entreprises régionales comme acteur central, sur la rétention régionale des retombées économiques comme source de changement et sur l'apprentissage comme processus porteur. Le cadre théorique et le cadre d'analyse choisis font donc référence à l'évaluation d'impact, le développement viable, le développement économique local et l'apprentissage organisationnel. \n \nL'étude de la capacité de rétention et d'apprentissage est réalisée en trois grandes étapes. Premièrement, nous effectuons une revue de la documentation du mégaprojet afin de le mettre en contexte et d'identifier les principaux enjeux liés aux retombées économiques. Deuxièmement, nous analysons les résultats obtenus par les entreprises régionales à l'intérieur du processus d'attribution des lots pour la construction de l'aluminerie. Cette étape permet de caractériser la capacité de rétention des entreprises régionales. Enfin, nous étudions les résultats d'une enquête exploratoire auprès des entreprises régionales ayant obtenu des lots sur le chantier Alma. L'enquête sur les perceptions et les comportements des entreprises en lien avec le développement régional, le savoir-faire acquis sur le chantier et les relations avec les acteurs concernés permet d'observer les impacts du chantier en termes d'apprentissage. \n \nL'analyse du potentiel du mégaprojet pour un développement régional viable, basée sur les résultats de ces trois principales étapes de collecte de données, est réalisée sous quatre angles différents. Premièrement, nous identifions les leviers et les blocages reliés à la rétention et à l'apprentissage. Deuxièmement, nous évaluons l'efficacité des mesures mises en place par le promoteur et les institutions afin de maximiser les retombées économiques régionales. Troisièmement, nous analysons la nature et l'intensité des apprentissages réalisés par les entreprises régionales. Quatrièmement, nous identifions les éléments retenus pour contribuer à la modélisation du suivi des impacts sociaux. Enfin, nous effectuons des recommandations concernant des mesures de maximisation pour la rétention des retombées et la réalisation d'apprentissage, le comité de suivi et le partenariat avec les entreprises. Ces dernières visent à maximiser le potentiel du mégaprojet pour le développement viable du SLSJ. \n
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,036 | 0,007 |
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 ».