Bibliographic record
Abstract
La présente étude, de nature exploratoire, expose les divers aspects positifs issus du confinement lié à la pandémie de la COVID-19 au Québec. Une trentaine d’entretiens informels ont été effectués pour étudier ces perceptions. En somme, les individus ont observé des changements positifs quant à leur rapport à la consommation, leur comportement alimentaire, leur rapport au temps, leur mobilité, leur équilibre personnel, leurs liens communautaires, leur capacité de résilience et leur littératie numérique. Néanmoins, le temps passe et ces aspects positifs, s’ils ne sont pas activés ou préservés, pourraient s’estomper. Si tel est le cas, il ne sera plus possible de s’appuyer sur ceux-ci pour transformer la société vers une gestion bienveillante et le développement des capacités d’apprentissage des organisations. Malgré une intervention rapide et financière des gouvernements, il ne semble pas y avoir de mécanismes mis en place de manière concomitante pour susciter des transformations (p. ex. : l’adaptation des services de restauration, les formations pour les chômeurs, etc.). Ainsi, nous souhaitons mettre en lumière le côté positif du confinement pour encourager les acteurs de la société à se mobiliser en vue de devenir plus résilients et innovateurs dans leurs pratiques pour contribuer au développement de la « nouvelle normalité » ou faire face à de nouvelles vagues ou crises.
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 | 0.006 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.015 | 0.009 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.023 | 0.002 |
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".