Cora Tsouflidou, fondatrice des restaurants Cora : une leader forgée par la vie
Bibliographic record
Abstract
Au fil des ans, la réussite spectaculaire des Restaurants Cora a été saluée autant par le milieu des affaires en général que par le milieu du franchisage qui lui ont accordé de nombreux prix. Considérée comme la reine des petits déjeuners, Cora Tsouflidou ouvre son premier restaurant Chez Cora, en 1987. Aujourd’hui, la chaîne de restauration emploie 4 000 personnes et compte 131 établissements où sont servis 33 000 clients par jour dans tout le Canada. C’est pour subvenir aux besoins de ses trois enfants que cette mère monoparentale décide un jour d’acheter un petit restaurant, avec l’aide de son père. Après 13 ans d’un mariage malheureux, elle venait de quitter, sans prévenir, un mari violent. Grâce à ses économies durement amassées, elle ouvre, à 40 ans, un autre restaurant, un autre, puis un autre, avant de mettre sur pied une structure de franchisage dont elle ne connaissait rien au départ. Constatant que les repas les plus appréciés de ses clients sont les petits déjeuners, elle en avait fait sa spécialité, allant jusqu’à fixer les heures d’ouverture de ses établissements de 6 h à 15 h, du jamais vu. Le succès de son concept innovateur confirme qu’elle a joué un rôle déterminant de leader dans le milieu de la restauration du matin au Canada. Son leadership prend aujourd’hui la forme de la philanthropie et englobe des causes qui lui tiennent à cœur.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.021 | 0.003 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.022 | 0.003 |
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".