Les marques territoriales bioalimentaires à l’épreuve des perceptions et des représentations des consommateurs québécois
Bibliographic record
Abstract
Alors que la pandémie de COVID-19 a contribué à renforcer l’intérêt des Québécois pour l’achat local, on observe paradoxalement une stagnation, voire un recul du niveau réel de demande envers ces produits localisés. Au-delà du facteur économique perçu comme le critère le plus apparent, à ce jour, les études se sont rarement penchées sur le rapport que les consommateurs entretiennent avec ces produits par le biais des marques territoriales qui les promeuvent. Comment les consommateurs québécois perçoivent-ils ces marques? Quels sont les déterminants de l’acceptabilité de ces marques comme gage de localité des produits du terroir? Quel est le niveau de notoriété dont elles jouissent dans l’esprit de ces consommateurs? Quelles stratégies pourrait-on mettre en place afin d’accroître leur pénétration dans les habitudes des consommateurs? Autant de questions auxquelles s’attèle cette recherche menée auprès d’un échantillon représentatif de 1203 consommateurs québécois. Nos conclusions soulignent la nécessité pour les régions de renforcer leur identité, de mieux communiquer sur leurs atouts et d’accroître la visibilité de leurs marques territoriales pour stimuler l’intérêt des consommateurs.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 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".