Le bien-être des producteurs agricoles québécois : cartographie et ébauche de théorie de programme
Bibliographic record
Abstract
Le premier objectif de ce mémoire est d’expliquer la situation complexe de l’agriculture et des producteurs agricoles. Ainsi, d’un point de vue macroscopique, l’agriculture a énormément évolué durant les 70 dernières années, passant d’une agriculture vivrière familiale et locale à une agriculture internationale de libre marché fortement influencée par la volonté des citoyens. Au niveau plus individuel, la population agricole est très diversifiée. Elle est caractérisée majoritairement par des valeurs masculines traditionnelles, entrepreneuriales dans des exploitations familiales. Comprendre la culture agricole est indispensable pour proposer une intervention sociale adaptée. Bien qu’il ne soit pas possible d’évaluer l’évolution du bien-être au fil de ces années, on sait aujourd’hui que les producteurs vivent plus de mal-être que le reste de la population. Les risques psychosociaux liés au travail permettent d’expliquer en partie ce phénomène. Pour faire face, je propose une ébauche de théorie de programme fondée sur l’approche de facilitation de développement de théorie de programme de Chen. Je l’ai d’abord développée à partir de la théorie avant de l’améliorer grâce à des entrevues en ligne, individuelles et de groupes. Cet exercice de programmation est basé sur la théorie de conservation des ressources. Elle vise à améliorer la résilience des producteurs agricoles par des actions de promotion, de prévention et curatives. La recherche qualitative a également permis de faire émerger certains éléments caractéristiques d’une approche qui serait adaptée à la réalité des producteurs agricoles.
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 | 0.003 | 0.004 |
| Science and technology studies | 0.003 | 0.007 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".