Les cafés, reflets de la diversité des tiers-lieux contemporains : aperçu de Montréal
Bibliographic record
Abstract
L’émergence de nouvelles formes de cafés (café-chat, café-friperie, etc.) soulève la question du rôle de ce type de commerces dans le quotidien des travailleurs, des habitants et, plus largement, au sein du territoire où ils s’insèrent. Souvent présenté comme l’archétype du tiers-lieu, les évolutions récentes du café interrogent la pertinence de cette désignation, alors même que sa relation au territoire et à l’identité de celui-ci sont souvent négligées. À partir de l’analyse de cas montréalais, cet article réfléchit au rôle des cafés comme éventuels tiers-lieux permettant l’affirmation des traits du quartier où ils s’insèrent, l’amélioration des milieux et de la qualité de vie des travailleurs et habitants qui les fréquentent ou les voisinent. Si le succès de ces commerces semble reposer davantage sur un concept qui les distinguerait de leur seule localisation, il n’en demeure pas moins qu’ils ne sont pas tous des tiers-lieux aux mêmes degrés, leurs impacts sur les travailleurs et habitants variant selon la nature et la portée de leur ancrage territorial. Une meilleure compréhension du spectre de cet ancrage territorial permet d’enrichir et de nuancer la définition usuelle de tiers-lieu.
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 | 0.002 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 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".