Innovation sociale en milieu rural: l’exemple de Saint-Camille (Québec)
Bibliographic record
Abstract
Dans un contexte de difficulté du milieu rural québécois, le village de Saint-Camille a réussi à renverser un déclin démographique presque centenaire. Il accueille une activité communautaire vigoureuse et développe des champs nouveaux d’activité économique. Cette communication explore deux pistes pour comprendre ce succès. La première est l’accent mis sur la gouvernance partagée, c’est-à-dire sur le développement de liens étroits entre les divers organismes publics locaux et la société civile. La deuxième piste est l’accent mis depuis trente ans sur la formation continue, l’apprentissage et l’imagination, au moyen d’activités favorisant une réflexivité organisée visible dans l’importance accordée aux activités culturelles. Ces deux pistes d’interprétation sont illustrées par les enseignements issus d’une recherche-action entreprise pendant plus de deux ans avec le Centre de recherche sur les innovations sociales (CRISES.) Il en ressort que ce territoire micro local qu’est le village de Saint-Camille a développé une façon innovatrice, c’est-à-dire nouvelle et appropriée, de concevoir le développement de la collectivité. En mettant l’accent sur la culture – au sens anthropologique – les leaders l’intègrent dans le temps long de son identité, mais aussi dans la dynamique des changements de la ruralité actuelle.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.020 | 0.008 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".