Du potentiel à l’action : la gouvernance territoriale des pôles d’excellence rurale
Bibliographic record
Abstract
Cet article analyse les effets des pôles d’excellence rurale (PER) en matière de construction de la gouvernance territoriale. Il s’appuie sur deux recherches appliquées à des territoires porteurs de PER. Pour caractériser les dynamiques sociales et spatiales constitutives de ces territoires, la première recherche a travaillé sur les dossiers de candidature à la labellisation PER au moyen d’une grille des configurations socio-spatiales. Sur un corpus de PER en partie différent, la seconde recherche a interrogé le panel des acteurs parties-prenantes impliqués dans l’élaboration et l’animation des PER, afin de reconstituer leur élaboration et d’étudier leur ancrage dans les trajectoires de développement de ces territoires. Le croisement de ces deux approches sur quelques PER communs met en évidence les leviers d’actions possibles pour le développement des territoires. Les configurations socio-spatiales donnent à voir le potentiel de développement des projets PER et les trajectoires de développement valident ou non la mise en œuvre de la gouvernance territoriale. Elles sont ainsi appréhendées à la fois comme des révélateurs des processus de développement et comme des activateurs de nouveaux modèles pour les territoires ruraux.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.008 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".