L’environnement d’affaires réduit-il l’orientation entrepreneuriale des agriculteurs ?
Bibliographic record
Abstract
Cet article investigue le dynamisme entrepreneurial des producteurs agricoles du Québec et les facteurs susceptibles de le développer ou de l’entraver dans différents contextes institutionnels. Pour rencontrer cet objectif, nous avons enquêté auprès des producteurs agricoles de la Mauricie, répartis en fonction de la nomenclature de la structuration agricole québécoise (production de niche, production de masse, production de gestion de l’offre). Nos résultats ont fait ressortir que des producteurs agricoles ayant un profil plutôt entrepreneur agissent suivant une logique d’entrepreneuriat, et ce peu importe les contraintes réglementaires, soit : identifier des opportunités d’affaires, élaborer une vision, concevoir un modèle d’affaires, impulser une organisation, disposer de réseaux externes. De même, ces producteurs adoptent des démarches entrepreneuriales : stratégies de diversification dans une logique d’augmentation de la valeur ajoutée, innovation de rupture relative aux produits, proactivité et prise de risque élevée. Ils y parviennent grâce à un profil de compétences entrepreneuriales plus marqué que les agriculteurs classiques, orientés surtout sur l’efficience de la production.
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 | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".