Les facteurs de maintien de l'industrie du cuir dans les petites localités du Québec : étude du secteur de Loretteville de 1904 à nos jours
Bibliographic record
Abstract
L'industrialisation au Québec à la fin du XIXe et au début du XXe siècle est généralement perçue comme un phénomène propre à quelques centres urbains. Ce modèle comporte cependant plusieurs lacunes. Dans le cas de l'industrie du cuir, de nombreuses petites municipalités québécoises sont demeurées des centres de production d'articles en cuir tout au long du dernier siècle. Le cas du secteur de Loretteville (Loretteville, Saint-Emile et Village huron-wendat) est d'ailleurs particulièrement intéressant de ce point de vue puisque son industrie du cuir se maintient mieux que celle de la ville de Québec. Comment peut-on expliquer, alors que Québec connaît un net déclin de son industrie du cuir, qu'un espace situé à sa périphérie arrive à mieux se positionner dans les marchés nord-américains. Pour expliquer ce phénomène, il a fallu se pencher sur les facteurs de localisation des entreprises. Cette situation nous amène inévitablement à constater, qu'au-delà des inconvénients que représente une installation en périphérie, il est possible pour les entreprises d'améliorer leur positionnement sur les marchés en spécialisant leur production et en profitant de l'expertise particulière de la main-d'œuvre locale.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
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".