Contribution et rôle de l’économie sociale au processus de revitalisation en milieu rural fragile : radioscopie de cas de succès et d’insuccès
Bibliographic record
Abstract
Depuis plusieurs années, l’économie sociale joue un rôle d’avant-plan dans la vie sociale et économique du Bas-Saint-Laurent. S’inscrivant d’abord dans le cadre d’un mouvement communautaire de type régionaliste, l’économie sociale tend aujourd’hui à constituer, au sein de cette région comme ailleurs au Québec, un modèle de développement visant à satisfaire des besoins que l’appareil étatique et le secteur privé parviennent difficilement à combler. S’appuyant sur le modèle de dynamisme local qui illustre l’effet structurant de l’initiative locale dans le processus de développement, cet article a pour but d’examiner, à partir de deux études de cas effectuées en milieu rural fragile, la contribution de la mobilisation et du leadership comme conditions essentielles à la mise en oeuvre de projets issus de l’économie sociale. À cette fin, nous nous intéresserons à deux communautés rurales qui ont misé sur l’économie sociale en vue de donner un second souffle à leur économie. L’un représente une « histoire à succès », en l’occurrence Sainte-Irène-de-Matapédia, alors que l’autre, Saint-Bruno-de-Kamouraska, constitue plutôt un cas problématique.
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 | 0.005 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.007 | 0.009 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".