Communautés francophones minoritaires et grappes culturelles émergentes dans les villes moyennes : une comparaison Moncton-Sudbury
Bibliographic record
Abstract
Cet article propose une réflexion sur l’utilité du concept de grappe culturelle (cluster) dans le contexte des villes situées dans les régions périphériques, et cela, par l’entremise d’une analyse des stratégies de développement culturel francophones à Moncton et à Sudbury. Les travaux existants qui s’appuient sur ce concept portent sur l’expérience de très grandes villes capables de déployer des stratégies culturelles d’envergure mondiale, et renseignent donc peu sur les stratégies de développement culturel dans les villes situées à l’extérieur des métropoles. L’analyse des deux cas montre que le développement culturel à Moncton et à Sudbury s’appuie sur des facteurs comme la mobilisation communautaire et des dynamiques de proximité qui ne sont pas nécessairement relevés dans les études sur les grappes culturelles. L’expérience de Moncton se démarque de celle de Sudbury par l’importance accordée au quartier du centre-ville comme lieu de convergence des institutions et réseaux culturels, une dimension moins présente à Sudbury où la scène culturelle est plus éclatée géographiquement. En définitive, les études de cas suggèrent que les stratégies de développement culturel des villes périphériques sont assez différentes de celles des grandes villes et que le concept de grappe culturelle doit être utilisé de façon flexible pour bien comprendre les dynamiques à la périphérie.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.009 | 0.004 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
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".