Bibliographic record
Abstract
Au Québec comme dans l’ensemble des pays industrialisés, les municipalités ont dû relever, depuis le milieu du xixe siècle, des défis sans cesse renouvelés. De nos jours, l’adaptation aux changements climatiques, l’indispensable transition énergétique, les impératifs d’une mobilité moins dépendante de l’automobile, la lutte à la dévitalisation de petites communautés et le développement des outils de gouvernance numérique en constituent quelques-uns. Si elles disposent, pour y faire face, d’outils éprouvés, elles doivent souvent sortir des sentiers battus. En d’autres termes, elles doivent innover.Or, l’innovation est généralement associée à l’entreprise privée et aux grands organismes publics, comme si les municipalités ne pouvaient qu’emprunter les voies tracées par d’autres. C’est à cette idée reçue qu’entend s’attaquer le présent ouvrage.Prenant prétexte de la célébration du 15e anniversaire du prix mérite Ovation municipale de l’Union des municipalités du Québec, il propose une mise en perspective des finalités, des motivations, des modalités, de la portée et des retombées de l’innovation dans le monde municipal québécois. Ce faisant, il révèle une dimension méconnue de l’exercice des compétences des municipalités.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.012 | 0.011 |
| Scholarly communication | 0.018 | 0.005 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.057 | 0.010 |
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".