Plus difficile d'être élu dans une petite municipalité? Perceptions de la fonction élective par certains élus municipaux québécois
Bibliographic record
Abstract
Résumé Au Québec, 75% des élu·e·s municipaux de la province exercent leurs mandats dans des municipalités de moins de 10 000 h. Si l'on sait que la taille démographique de la municipalité est susceptible d'influencer le parcours et le profil des élu·e·s municipaux et plus généralement la professionnalisation de la fonction élective, rares sont les écrits qui, à notre connaissance, documentent la fonction élective au sein des municipalités québécoises de moins de 10 000 h., en comparaison avec celle exercée dans des municipalités de plus grande taille. Cela est d'autant plus surprenant que le contexte institutionnel, politique et financier peut varier grandement selon la taille de la municipalité et est ainsi susceptible de venir colorer la fonction élective au quotidien. À partir de la réalisation d'entrevues semi‐dirigées auprès d'une trentaine d'élu·e·s, nous mettrons en évidence deux spécificités. D'une part, si à leurs yeux, la fonction élective est la même que celle occupée par leurs homologues d'une grande municipalité, ils et elles considèrent ne pas disposer des mêmes outils pour répondre aux besoins de leur fonction. D'autre part, les conditions d'exercice de la fonction sont différentes, influençant leur quotidien. Ces constats questionnent de façon générale le fonctionnement de ces municipalités de taille modeste .
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".