La durabilité, la traçabilité et la pérennité du secteur agroalimentaire québécois passent par l’accélération de la numérisation
Bibliographic record
Abstract
avec la collaboration de Christophe Mondin Pour favoriser l’achat et la production locale et pour renforcer les chaînes d’approvisionnements tout en accélérant le virage écologique du secteur agroalimentaire du Québec, il faut impérativement numériser ce secteur. Car seule la numérisation de la production, de la transformation et de la distribution des aliments générera les données nécessaires à l’atteinte de ces objectifs. La numérisation permettra également de « retracer » les aliments que nous produisons et ainsi de valider leur qualité et leur provenance, des exigences devenues incontournables tant sur les marchés domestiques qu’internationaux. Grâce à ces données sur l’écosystème agroalimentaire québécois nous pourrons rendre nos chaînes d’approvisionnements plus résilientes et mesurer, et ultimement réduire, l’empreinte écologique des filières agroalimentaires. Pour que la numérisation de ces filières soit une véritable priorité, il faudra, au préalable, réunir certaines conditions : doter toutes les régions agricoles de connections à internet haute vitesse, établir un état des lieux pour chaque filière, créer rapidement un centre de vigie pour profiter des expériences étrangères et mobiliser, pour plusieurs années, une équipe dédiée à la réalisation de ce projet. Des conditions exigeantes certes, mais ô combien structurantes pour l’économie québécoise.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".