L’autogestion, pour une autonomisation émancipatrice dans le milieu institutionnel universitaire
Bibliographic record
Abstract
À Montréal, l’agriculture organisée se pratique principalement sous deux formes : le jardin communautaire et le jardin collectif. Ce sont le plus souvent des organisations communautaires qui s’occupent de la gestion du jardin collectif, qu’il est possible de voir comme une forme spatiale propice à l’action collective, en ce sens qu’il peut devenir un espace où se développent des initiatives sociales novatrices. Parmi les modèles de gouvernance existants, celui de l’autogestion semble être pertinent dans un contexte comme celui du jardin collectif institutionnel universitaire, car ce type d’initiative constitue en soi une démarche politique, ainsi qu’une façon de changer soi-même son milieu de vie. Notre recherche met en lumière le processus de gouvernance au sein d’une initiative autogérée, le Collectif de recherche en aménagement paysager et en agriculture urbaine durable (CRAPAUD). Nos résultats montrent avant tout que le mode de gouvernance du CRAPAUD, l’autogestion, favorise l’atteinte des objectifs socioenvironnementaux fixés par le collectif, et ce, au-delà des différentes contraintes inhérentes au modèle autogestionnaire. Enfin, nos résultats font également voir que la gouvernance spécifique au CRAPAUD constitue un processus émancipateur permettant l’autonomisation de ses membres.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.012 |
| Scholarly communication | 0.011 | 0.004 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 0.002 |
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".