Le quartier : Soutien et générateur des interactions sociales pour l'innovation?
Bibliographic record
Abstract
Résumé Cet article porte sur la géographie urbaine et les dynamiques de l'innovation à l'échelle du quartier. Il s'agit de s'interroger quant à l'apport des quartiers en soutien à l'innovation et à comprendre, d'une part, dans quelle mesure et comment les entrepreneurs se servent du quartier et des lieux qui s'y trouvent pour obtenir et échanger des connaissances, et d'autre part, les rapports de ce type qu'ils entretiennent avec les acteurs localisés dans le reste de la région urbaine ainsi que dans d'autres régions. À partir de l'étude de cas du quartier Mile End à Montréal, les résultats montrent que pour certains répondants ces interactions, qui revêtent un caractère à la fois économique et social, sont centrales à l'attrait du quartier. Pour eux, les tiers lieux – cafés, trottoirs ainsi que les bâtiments où se localisent leurs entreprises ‐ sont des lieux d'interaction. Cependant, pour d'autres, le quartier ne représente qu'un lieu agréable et central où se localiser : pour ceux‐ci, les interactions et échanges sont tournées vers l'extérieur.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.008 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.021 | 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".