Le marché virtuel de produits régionaux : points de vue d’entrepreneurs en milieu rural
Bibliographic record
Abstract
Dans la grande famille des circuits alimentaires de proximité, le marché virtuel apparait comme un modèle innovant, puisqu’en plus d’utiliser la technologie pour mettre en lien les entrepreneurs du domaine agroalimentaire et les consommateurs, il favorise le partage d’outils et de ressources entre les entrepreneurs qui en sont membres. Si le modèle a pris une ampleur relative en milieux urbains et périurbains ces dernières années, il est encore peu présent en milieu rural, alors même que ce sont les entrepreneurs de ces milieux qui gagneraient à bénéficier de plus de structures permettant la vente en circuits de proximité. Afin de documenter les effets de l’adhésion à un marché virtuel sur les entrepreneurs agroalimentaires en milieu rural au Québec, une étude de cas a été réalisée par le biais d’entrevues semi-dirigées auprès de onze entrepreneurs membres de marchés virtuels situés dans deux territoires ruraux du Québec. L’analyse du discours des entrepreneurs rencontrés montre que si le fait de vendre via le marché virtuel présente des bénéfices pour eux, ceux-ci sont plutôt de l’ordre de l’aspect social que de l’aspect économique. Elle démontre également que de nombreux défis sont encore à relever quant à l’adhésion des consommateurs et à la pérennité des structures.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.009 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".