Le modèle et les indicateurs de suivi et d'évaluation du dispositif du Pacte rural - Rapport no.1
Bibliographic record
Abstract
Ce premier rapport porte sur la construction du modèle et des indicateurs de suivi et d’évaluation du dispositif du Pacte rural. Il comporte cinq parties. La première partie est une analyse des modèles d’évaluation qui ont été mis en place dans le cadre des programmes LEADER de développement rural en Europe afin d’en dégager des leçons pour l’évaluation du dispositif des pactes ruraux. La deuxième partie présente le processus d’évaluation et ses douze étapes qu’a suivi la présente équipe de recherche et d’évaluation. La troisième partie explique la méthodologie utilisée afin de choisir un échantillon de douze MRC auprès desquelles notre modèle d’évaluation ainsi que ces indicateurs ont été mis en oeuvre. À l’été 2004, une première enquête auprès de ces MRC a été réalisée afin, essentiellement, de développer une connaissance empirique du Dispositif des pactes ruraux pour alimenter la construction du modèle de causalité du développement rural au centre de la démarche d’évaluation. Les principaux résultats de cette enquête font l’objet de la quatrième partie. Enfin, la cinquième partie présente le modèle de causalité du développement rural élaboré par l’équipe.
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 | 0.007 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 0.002 |
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".