Le rapport aux savoirs des élus des petites municipalités québécoises : pistes de réflexion et d’action
Bibliographic record
Abstract
Dans le contexte récent où les municipalités québécoises ont été reconnues comme des gouvernements de proximité, les élus municipaux sont devenus des acteurs-clés du développement de leur milieu. La question de leur rapport aux divers savoirs mérite attention pour mieux comprendre leur pratique de la politique municipale en interaction avec les autres joueurs dans l’arène du développement local : les citoyens, les acteurs des milieux municipal, communautaire et scientifique, et les gens d’affaires. Nous avons mené une étude exploratoire permettant de relever des tendances relatives à ce rapport. Nos résultats pointent vers une certaine transformation des intérêts des élus municipaux vers des enjeux complexes de développement, que ces intérêts soient en amont ou en aval de l’acquisition de connaissances. Ils indiquent également une grande valorisation par les élus des savoirs des citoyens, laquelle ne paraît toutefois pas s’actualiser en une référence importante à ceux-ci. Il semble en outre que des ponts demeurent à créer entre les élus municipaux et différents groupes détenant des connaissances spécifiques, principalement les acteurs du milieu scientifique.
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 | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.016 | 0.014 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 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".