Mieux soutenir et accompagner l’innovation et l’entrepreneuriat en Abitibi-Témiscamingue : la consultation des acteurs de l’écosystème
Bibliographic record
Abstract
Afin d’accompagner les acteurs de l’écosystème d’innovation et d’entrepreneuriat en Abitibi-Témiscamingue et de soutenir l’amélioration de la prise de décision en matière de soutien et d’accompagnement, nous avons procédé en trois étapes : une revue de littérature, la consultation des acteurs et une enquête. Dans cet article, nous nous concentrons sur la première et la deuxième étape de cette initiative. Au cours de la consultation, 28 acteurs de l’écosystème ont été interrogés. Elle a permis de mieux comprendre les enjeux et les solutions, d’identifier les services de soutien disponibles ainsi que de mettre en lumière les bonnes pratiques et les facteurs clés de succès. En plus de confirmer l’intérêt d’aller de l’avant avec une enquête régionale et territoriale, des recommandations en ce sens ont été formulées. Entre autres, les enquêtes ne doivent pas négliger les aspects de représentativité, de comparabilité et de robustesse scientifique; de concertation et de leadership régional et territorial; et de vision du soutien et de l’accompagnement comme une relation à dimension humaine.
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 | 0.028 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.010 |
| Scholarly communication | 0.014 | 0.010 |
| Open science | 0.002 | 0.013 |
| Research integrity | 0.006 | 0.008 |
| Insufficient payload (model declined to judge) | 0.008 | 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".