Sonia Racine, cofondatrice et conseillère en mobilisation des connaissances chez Communagir
Bibliographic record
Abstract
Cofondatrice et conseillère en mobilisation des connaissances chez Communagir Native de Saint-Bruno au Lac-Saint-Jean, Sonia Racine est titulaire d'un baccalauréat de l'UQAC ainsi que d'une maîtrise (option en organisation communautaire) de l'Université Laval en travail social.Durant une dizaine d'années, ses sujets de recherche ont été la sécurité alimentaire à travers les pratiques alternatives au dépannage alimentaire dans une perspective d'empowerment.Elle a en effet eu la chance de travailler en étroite collaboration avec William A. Ninacs (Bill) dès 1991, une référence majeure en matière d'empowerment, qui a été un de ses mentors.Puis, elle a enseigné en organisation communautaire à l'UQAC et à l'Université Laval pendant plusieurs années, en plus d'accompagner des organisations et des regroupements dans leurs objectifs de développement.Par la suite, Sonia Racine s'est consacrée aux études doctorales en travail social à l'Université de Montréal.Son sujet de recherche portait sur les dimensions du processus de mobilisation citoyenne et sur ce qui le favorise dans un contexte de lutte contre la pauvreté et l'exclusion sociale.Avec la Coopérative de consultation en développement La Clé, elle a accompagné plusieurs organismes communautaires, institutions, acteurs municipaux, groupes citoyens et regroupements intersectoriels dans différentes démarches de développement.C'est avec les membres de la Coop qu'a été réfléchie et expérimentée l'organisation Communagir, pour laquelle elle a occupé le poste de conseillère en développement collectif pendant 10 ans.Elle y travaille aujourd'hui en tant que conseillère en mobilisation des connaissances.Fondée en 2011, Communagir a pour mission de contribuer à ce que les collectivités du Québec soient en mesure de réaliser les changements qu'elles jugent nécessaires à leur développement collectif.
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 | 0.003 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".