Enjeux et bénéfices socioéconomiques : La création du parc national des Pingualuit, Nunavik, Québec (Canada)
Bibliographic record
Abstract
Près de quinze ans après son inauguration, le parc national des Pingualuit fait maintenant partie du paysage de la communauté de Kangiqsujuaq au Nunavik, au nord du Québec (Canada). Les études antérieures ont démontré des attentes élevées par rapport à l’implantation d’un tel parc dans la communauté, plus particulièrement en ce qui a trait aux impacts économiques. Cependant, comme c’est généralement le cas, de pareils travaux sont rarement étudiés après la mise en place du projet. L’évaluation des impactsa prioriaide généralement à justifier un projet, alors qu’aucune investigationa posteriorin’est faite. C’est pourquoi nous tentons de déterminer les retombées actuelles de l’aménagement du parc national sur la communauté et d’évaluer si les retombées anticipées se sont concrétisées. Quelles ont été les retombées de l’aménagement du parc national des Pingualuit et comment se sont-elles traduites pour la communauté de Kangiqsujuaq ? Pour répondre à cette question, notre étude consistait en l’analyse d’entrevues semi-structurées auprès d’acteurs locaux et provinciaux ainsi que des observations participantes, menées durant l’été 2017. Si l’impact économique du développement du parc est difficile à évaluer, notre analyse démontre que le parc national des Pingualuit a assurément un effet positif sur la communauté : il contribue à structurer les pratiques culturelles locales et les activités traditionnelles, et à améliorer l’accès au territoire. Par ailleurs, notre étude suggère que le parc est devenu un acteur de premier plan dans l’aménagement du territoire à l’échelle régionale, notamment face à l’expansion de l’industrie minière. Cette étude devrait contribuer à une meilleure compréhension du développement des parcs, en établissant un suivi de ses retombées au fil du temps.
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 | 0.006 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".