Productivité, efficacité économique et équité dans le secteur agricole québécois
Bibliographic record
Abstract
L’environnement économique de l’agriculture au Québec s’est modifié au cours des années 1970. On peut se demander s’il sera possible à l’avenir d’augmenter la productivité de la main-d’oeuvre agricole et l’efficacité économique sans qu’il en résulte une perte d’équité. Comment faire en sorte que les changements techniques et structurels dans le secteur agricole produisent des résultats nets positifs sur l’ensemble de l’économie, sur l’environnement et sur la vie économique et sociale des communautés rurales? Cet article porte sur ces questions. L’étude repose sur l’analyse de l’évolution passée de la productivité, du déséquilibre actuel dans l’allocation des ressources et des changements structurels prévus. Elle mène à la conclusion que le processus de modernisation de l’agriculture québécoise est devenu coûteux pour les agriculteurs et pour la société, moins productif et inéquitable. Deux scénarios de changements structurels sont envisagés. L’un est basé sur la théorie de l’équilibre général, l’autre, sur la différenciation sociale, l’intervention de l’État et la concurrence entre les agriculteurs. Quelques suggestions de modifications sont faites. L’adoption de ces suggestions amènerait le secteur agricole à engendrer un surplus économique qui proviendrait d’une amélioration des ressources humaines et foncières et d’une structure mieux équilibrée plutôt que de l’achat des intrants et d’une substitution du capital à la main-d’oeuvre comme ce fut le cas dans le passé.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".