MétaCan
Menu
Back to cohort
Record W3145474306 · doi:10.7202/1075904ar

D’une révolution avortée à une autre? Les politiques québécoises en nanotechnologies et en IA au prisme de l’économie de la promesse

2021· article· fr· W3145474306 on OpenAlexaffvenueabout
Maxime Colleret, Mahdi Khelfaoui

Bibliographic record

VenueRecherches sociographiques · 2021
Typearticle
Languagefr
FieldEconomics, Econometrics and Finance
TopicInnovation Policy and R&D
Canadian institutionsUniversité du Québec à Trois-RivièresUniversité du Québec à Montréal
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Cet article analyse les politiques du gouvernement du Québec en matière de nanotechnologies au début des années 2000 et d’intelligence artificielle (IA) à partir du milieu des années 2010. La comparaison entre l’engouement passé pour les nanotechnologies et celui présent pour l’IA permet de faire ressortir plusieurs similitudes entre les actions publiques mises en place pour faire émerger et développer ces deux technologies dites « de pointe ». Dans les deux cas, nous montrons sous l’angle de l’économie de la promesse comment différentes parties prenantes construisent et font la promotion d’un futur technologique et économique jugé inéluctable afin de s’adjoindre des soutiens politiques, s’assurer une approbation sociale plus large de leurs projets et, surtout, capter d’importantes ressources financières et matérielles publiques, essentielles pour établir une activité industrielle et commerciale. Le cas des nanotechnologies, pour lequel nous avons désormais plus de recul, permet d’évaluer l’écart entre les promesses initiales et ce qui est réellement advenu. Il fournit également des pistes de réflexion pour aborder de façon critique le soutien gouvernemental actuel accordé à l’IA et les discours portant sur ses retombées économiques futures au Québec.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.005
metaresearch head score (Gemma)0.002
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Research integrity
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: Theoretical or conceptual
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.291
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0050.002
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.002
Science and technology studies0.0000.001
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0030.002
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.086
GPT teacher head0.341
Teacher spread0.255 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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".

Quick stats

Citations2
Published2021
Admission routes3
Has abstractyes

Explore more

Same venueRecherches sociographiquesSame topicInnovation Policy and R&DFrench-language works237,207