Démocratiser le verdissement grâce à l'innovation sociale : quand les espaces verts deviennent le prolongement du chez-soi
Bibliographic record
Abstract
Cette recherche porte sur l’innovation sociale au sein d’une campagne de verdissement montréalaise. L’intérêt pour l’innovation sociale et sa reconnaissance par le gouvernement québécois, notamment à travers la récente création du Barème de l’innovation en fait un sujet d’actualité. Le milieu académique s’intéresse depuis longtemps à l’innovation sociale et reconnait sa capacité créatrice, en ce sens qu’elle permet de répondre et de trouver des solutions à certains enjeux inconnus de l’innovation technologique. La campagne de verdissement ILEAU, offre à travers son succès, des clés de lecture pour mieux comprendre la relation individu-environnement ainsi que les mécanismes de participation et de mobilisation citoyenne. La participation des citoyen.enne.s dans l’élaboration de leur ville favorise un sentiment d’appropriation et d’attachement que l’on définira comme un sentiment de chez-soi. Notre recherche encourage à revoir la façon de penser la ville, le public et le privé, mais surtout le chez-soi. Plus précisément nous cherchons à comprendre comment l’innovation sociale au sein d’une campagne de verdissement peut favoriser une appropriation et mobilisation citoyenne pouvant ainsi mener à un sentiment de chez-soi. La particularité de cette recherche réside dans les avantages induits, autant sur les individus que sur l’environnement, d’un sentiment de chez-soi qui dépasse le domicile. Afin d’arriver à recueillir des données sur le sentiment de chez-soi nous avons utilisé les outils classiques que sont le questionnaire et l’entrevue, mais nous avons également utilisé la carte mentale, puisque capable de dégager des données sur le perçu et le vécu. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Montréal, ILEAU, mobilisation et appropriation citoyenne, sentiment de chez-soi, verdissement.
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 | 0.005 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.013 |
| Scholarly communication | 0.013 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 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".