Déterminants de l’émergence d’initiatives locales de développement régional au Québec : une analyse exploratoire
Bibliographic record
Abstract
En géographie économique, les déterminants du développement économique favorisent souvent les grandes villes et agglomérations. Pour les plus petites villes, plusieurs études ont souligné l’importance des facteurs endogènes dans le développement et, par extension, le rôle de la territorialité. À ce jour, peu d’études statistiques ont formellement démontré, du moins à grande échelle, le lien qui peut exister entre les facteurs classiques de localisation, le profil démographique et le portrait socio-économique sur la présence et l’émergence d’initiatives locales de développement. Cette étude propose donc de contribuer à réduire cet écart. À partir de données autodéclarées sur la localisation d’initiatives locales au Québec, deux modèles statistiques sont estimés : i) un premier axé sur la présence/absence d’initiatives (régression logistique); et ii) un second basé sur le nombre d’initiatives (régression binomiale négative). Dans les deux cas, les résultats suggèrent qu’il existe une relation positive et significative avec le niveau d’éducation, la structure démographique et la distance à la métropole sur la présence et le nombre d’initiatives locales, alors que l’analyse révèle une relation négative et significative avec le revenu. Les résultats suggèrent que les facteurs locaux influencent l’émergence d’initiatives, tout en soulignant une certaine complémentarité aux logiques des théories classiques de localisation.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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.
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".