La numérisation dans le secteur agricole : analyse de la perception des conseillers de gestion agricole
Bibliographic record
Abstract
La numérisation transforme progressivement tous les domaines professionnels, y compris l'agriculture. Toutefois, le conseil agricole ne semble pas être prêt à intégrer ces nouvelles technologies en raison des réticences des conseillers à ajuster leurs pratiques. C'est dans ce cadre que l'objectif global de ce mémoire était d'identifier les freins et les catalyseurs à l'origine de cet ajustement ou non des pratiques de conseil chez les conseillers en gestion agricole suite à l'adoption des nouvelles technologies numériques par les producteurs. Les objectifs spécifiques étant de : 1) Dresser le profil des conseillers ayant ajusté ou non leurs pratiques de conseil suite à l'adoption d'Aleop par les producteurs ; 2) Identifier les pratiques des conseillers en gestion qui ont été ajustées suite à l'adoption de la numérisation par les producteurs agricoles ; 3) Identifier les besoins d'accompagnement des conseillers en gestion agricole face aux changements que nécessite l'adoption d'Aleop par les producteurs. Le cas d'étude spécifique traité est l'outil numérique « Aleop » développé par le Centre d'Expertise en Gestion agricole (CEGA). La méthodologie suivie a été basée sur des entrevues semi-directives menées auprès de neuf conseillers et conseillères en gestion agricole au Québec : 4 d'entre eux étaient des utilisateurs des résultats d'Aleop ayant par conséquent adapté leurs pratiques de conseil, 5 étaient non-utilisateurs. Les principaux résultats obtenus ont mis en évidence une certaine réticence des conseillers qui a été notée dès le début de la phase de recrutement. Certains conseillers ont avancé plusieurs facteurs favorables aussi bien pour les clients que pour leurs pratiques de gestion. Le facteur le plus réclamé par les conseillers sollicités était le temps réel, le zéro papier, l'amélioration des échanges avec les clients, l'amélioration de la qualité de la comptabilité et de la gestion. Les facteurs limitants avancés étaient, entre autres, la peur du changement, le coût de l'outil et les bénéfices qui peuvent être non perçus. Tous les conseillers étaient convaincus que l'outil numérique ne pouvait en aucun cas les remplacer. Le fait que les clients puissent obtenir leurs résultats en temps réel et par le fait même qu'ils obtiennent des résultats avant même leur conseiller améliore les échanges avec eux puisque cela permet une analyse plus stratégique. Ainsi, des changements au niveau de la relation avec leur client peuvent être rendus nécessaires suite à l'adoption de l'outil numérique. Il en est de même de la relation que les conseillers entretiennent avec les ressources expertes externes. Certains ont révélé que l'adoption de l'outil numérique par le producteur entraîne des changements au niveau organisationnel tels que la nécessité de recruter de nouvelles personnes avec de bonnes compétences analytiques, des changements à apporter dans les méthodes de travail ou des changements en interne tels que la formation du personnel afin de pouvoir répondre aux nouveaux besoins des clients.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.007 | 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".