Bibliographic record
Abstract
Les résultats de la plupart des élections provinciales survenues depuis 2018 ont été interprétés comme le signal d’un retour de la droite au gouvernement. Mais est-il possible de parler de retour ou d’une « vague bleue » qui serait similaire d’une province à l’autre? Les différences entre les droites ne l’emportent-elles pas sur les ressemblances? Au-delà des étiquettes faciles, l’objectif du collectif est de s’interroger sur ces questions en examinant les droites au Québec, en Ontario et en Alberta ainsi qu’au Nouveau-Brunswick. Mariant des perspectives comparatives entre les partis et des études de cas des dirigeants et intellectuels politiques, les textes réunis ici visent à cerner la nature idéologique des discours et des programmes des ténors des droites provinciales. Cette approche permet de suivre leur évolution récente, jusque dans les premiers mois de la pandémie. Enfin, une attention particulière est accordée à l’épineuse question du populisme et du radicalisme pour voir comment ces phénomènes, qui sont présents depuis longtemps dans les provinces, se traduisent aujourd’hui dans le contexte canadien. Ont contribué à cet ouvrage : Louis Audet-Gosselin, Frédéric Boily, Stéphanie Chouinard, Martin Geoffroy, Kelley Gordon, Julien Landry et Timothy Van den Brink.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".