Numérique, télétravail, développement des territoires ruraux. Analyse et résultats des politiques publiques québécoises
Bibliographic record
Abstract
La situation économique mondiale crée des inégalités territoriales et sociales. En parallèle, le numérique ne cesse de prendre de l’ampleur et peut contribuer à créer de l’emploi, à réduire les écarts sociaux et même territoriaux. Au Québec, de nombreux dispositifs destinés à développer le numérique dans tout le territoire ont été mis en place. Le but est de stimuler l’activité économique et de réduire le chômage. Certains secteurs territoriaux, majoritairement urbains, voire périurbains, tirent leur épingle du jeu. En revanche, les secteurs ruraux les plus éloignés ou les plus proches de grands pôles économiques qui aspirent toute l’activité se retrouvent exclus de cette dynamique. C’est afin de réduire ces écarts territoriaux que le gouvernement québécois a développé différents dispositifs favorisant le déploiement du numérique, y compris dans les zones rurales dévitalisées. Grâce à ce développement technologique, les façons de travailler se diversifient en réponse à la fois au contexte économique (qui incite à une plus grande productivité) et aux attentes des employés désireux de voir s’améliorer la conciliation entre leur travail et leur vie privée. Le travail à distance prend de plus en plus d’importance au Québec et il obtient déjà des résultats significatifs dans certaines régions rurales caractérisées par une perte démographique et une baisse d’attractivité économique. La recherche porte sur neuf municipalités régionales de comté (MRC) québécoises (Les Appalaches, Argenteuil, Arthabaska, Brome-Missisquoi, Charlevoix, Papineau, Les Sources, Témiscamingue et Vaudreuil-Soulanges). Nous avons interrogé des professionnels chargés de l’introduction du numérique ainsi que des professionnels des ressources humaines responsables de l’intégration du télétravail et des nouvelles technologies au sein de ces territoires. L’objet de notre étude est de présenter le dispositif mis en place par le Québec en matière de numérique et de télétravail afin d’en exposer les résultats obtenus au sein de la ruralité.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.021 | 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".