Les fermes en circuits courts alimentaires au Québec : état des lieux, perspectives et défis
Bibliographic record
Abstract
Les circuits courts alimentaires suscitent un grand intérêt parce qu’ils mettent en lumière une agriculture moins industrielle, ancrée dans ses territoires et nourrissant sa communauté. Dans cet état des lieux, nous nous intéressons à leur poids économique, social et spatial dans le Québec d’aujourd’hui. Représentant encore une part marginale de l’offre et de la demande alimentaires, les fermes en circuits courts jouent pourtant un rôle qui se renforce dans l’établissement de la relève agricole. Contrairement à ce que l’on pourrait intuitivement penser, ces fermes ne sont pas seulement concentrées dans les espaces périurbains, mais se déploient dans toutes les régions du Québec, contribuant même de façon significative à la renaissance de l’agriculture dans les régions dites éloignées. Pour autant, faire vivre ces fermes est un combat quotidien. Souvent vues comme fer de lance de la transition socio-écologique de l’agriculture, ces fermes ont à relever de nombreux défis pour offrir une option plus complète. Ces défis ne sont pas seulement ceux des agriculteurs et agricultrices qui choisissent cette voie. Ils sont ceux des consommateurs, des collectivités et de l’État qui, chacun à leur manière, peuvent accompagner leur développement.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.015 | 0.014 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.015 | 0.001 |
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".