La démarche Municipalité Nourricière au Saguenay–Lac-Saint-Jean : une initiative territoriale de mobilisation citoyenne
Bibliographic record
Abstract
Entre 2017 et 2020, EURÊKO!, un organisme environnemental engagé dans la restauration, la protection et la conservation des écosystèmes, a développé et expérimenté la démarche Municipalité Nourricière dans la région du Saguenay–Lac-Saint-Jean. La finalité de cette initiative est la mise en place d’activités participatives et la prise de décisions collectives pour la concrétisation de projets territoriaux autour de l’alimentation. Cette recherche documente la Démarche dans sa globalité pour évaluer ses impacts et ses limites dans les quatre municipalités ciblées afin de faire ressortir les facteurs d’échec et de réussite. Notre cadre théorique s’articule autour des concepts de virage alimentaire, de stratégie alimentaire, de résilience alimentaire et de mobilisation communautaire. Nous avons adopté une méthode de recherche exploratoire et qualitative. Les principaux résultats démontrent une disparité entre les quatre municipalités dans l’appropriation de la Démarche, notamment dans la motivation, la mobilisation, la participation citoyenne et l’appropriation des projets.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".