Favoriser la participation des femmes dans les activités de chasse au Québec : exploration des freins et tactiques promotionnelles potentielles
Bibliographic record
Abstract
Au Québec, la chasse rapporte plus de 2,5 milliards de dollars chaque année (Duval, 2018). L’inclusivité des femmes est un enjeu d’actualité pour maintenir la pérennité du secteur. Un déclin dans le nombre de chasseurs entraîne des conséquences financières, mais aussi des conséquences sur l’écosystème de la faune au Québec. Il est donc primordial pour la pérennité du secteur d’agrandir son bassin de chasseurs. Cette recherche vise à identifier comment favoriser la participation des femmes dans les activités de chasse au Québec. Pour ce faire, un état de la situation est effectué. Plusieurs concepts reliés au processus décisionnel sont alors évalués, il est question notamment des motivations et des freins pouvant influencer ce processus. Ensuite, la revue de littérature met la table sur l’influence et l’impact des tactiques promotionnelles pour favoriser la participation en tenant compte des éléments composant le processus décisionnel. Afin de valider ces connaissances, un sondage est mené en ligne auprès de 899 chasseurs québécois dont 29 % sont des femmes. Les résultats de cette étude permettent d’établir que les freins principaux des femmes à pratiquer la chasse sont le manque de connaissances et d’aptitudes, le sentiment d’insécurité sur le terrain ainsi que ne pas se sentir à sa place dans un milieu majoritairement masculin. Le désistement ou le manque d’un partenaire de chasse est un autre élément important soulevé. Afin de mieux comprendre comment favoriser la participation, les tactiques promotionnelles mettant de l’avant la communication et la représentativité des femmes sont les plus susceptibles d’avoir du succès. La pertinence des programmes d’introduction et d’initiation est marquante auprès de la clientèle féminine. La définition des freins en relation avec les tactiques les plus influentes permet de soutenir des actions concrètes pour favoriser la participation des femmes aux activités de chasse. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : chasse, femmes, tactiques promotionnelles, marketing, processus décisionnel, freins, participation, motivations, stratégie
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 | 0.005 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".