Les jeunes francophones et l’Afrique. Une piste pour les défis démographiques et économiques des régions ressources du Québec
Bibliographic record
Abstract
Les régions ressources du Québec sont installées dans un cycle de dévitalisation démographique face auquel les politiques et programmes successifs en faveur du développement régional ne semblent pas infléchir. Ces politiques se focalisent principalement sur la valorisation des potentialités économiques, la stimulation de l’entrepreneuriat, la promotion de pôles d’excellence qui sont autant de dimensions qui font défaut aux régions. Pourtant, en mettant l’accent sur ce qui fait défaut aux régions, les stratégies promues minorent des atouts importants de ces régions : soit, le capital institutionnel et le potentiel de produits et services que ses institutions pourraient offrir; ensuite, le capital de position de ces régions du Québec dont la complémentarité des besoins avec les autres régions francophones du monde est frappante. Cet article montre que les régions du Québec ont tout intérêt à tirer avantage de la diversité et du nombre d’organisations et d’institutions qui maillent les territoires régionaux, tout autant que de l’offre éducative, culturelle et artistique que ces institutions peuvent apporter dans un marché mondial de l’éducation, de la culture et du loisir en pleine expansion.
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 | 0.003 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".