Mélanie Paul. Présidente d’Inukshuk Synergie et coprésidente d’Akua Nature
Bibliographic record
Abstract
Mélanie Paul est une femme impliquée depuis 19 ans dans des entreprises familiales et, récemment, dans deux projets d’entrepreneuriat. Elle est aujourd’hui la présidente d’Inukshuk Synergie et la coprésidente d’Akua Nature. Détentrice d’un baccalauréat en service social de l’Université Laval, elle fait ses premiers pas en entrepreneuriat en 2002 en joignant l’équipe de l’entreprise de son père, dans la communauté de Mashteuiatsh, entreprise familiale dans laquelle elle a eu à occuper plusieurs postes. Première entrepreneure autochtone à être diplômée de l’École d’entrepreneurship de Beauce (EEB) en 2015, madame Paul a remporté en 2018 le prix Entrepreneur de l’année remis par le Conseil du patronat du Québec. Il y a un fil conducteur dans toutes ses implications entrepreneuriales : changer la perception des gens par rapport aux Premières Nations en montrant qu’elles peuvent réussir en affaires et travailler en partenariat avec les allochtones.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.007 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.050 | 0.008 |
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".