Réseau d'entreprises autochtones : analyse des facteurs du capital social pour la réussite d'une initiative dans le secteur forestier québécois
Bibliographic record
Abstract
L’entrepreneuriat autochtone, au Canada et dans le monde, a fait l’objet d’une attention croissante pour son potentiel de réduction de la pauvreté et de la marginalisation sociale. Ainsi, la capacité d’une communauté autochtone à créer de la richesse dépend en partie de sa capacité à « adhérer » à l’économie et à établir des relations commerciales. Un réseau d’entreprises autochtones peut générer des connaissances et des opportunités sur le marché, ainsi qu’apporter des avantages mutuels au niveau des entreprises et des avantages socio-économiques au niveau de la communauté. Bien que les avantages des réseaux d’entreprises aient été décrits dans la littérature, peu de recherches empiriques ont exploré ce concept dans le contexte des communautés autochtones. Le but de cette recherche est de mieux comprendre les besoins, les défis et les opportunités liés aux réseaux d’entreprises dans un contexte autochtone. Nous avons utilisé une approche exploratoire et nous avons collaboré avec la Filière forestière des Premières Nations du Québec (FFPNQ). Des entretiens semi-structurés ont été menés avec des représentants d’entreprises forestières autochtones. Cette recherche montre que les besoins exprimés pour un réseau d’entreprises autochtones correspondent à plusieurs éléments identifiés dans la littérature. Ceux-ci incluent un accès plus facile à l’information, le partage d’expertise, des contributions au bien-être collectif, une influence politique accrue et des opportunités pour développer de nouveaux marchés. De plus, nos résultats mettent en évidence plusieurs défis à la mise en place d’un réseau commercial autochtone : financement, confiance, distance entre les membres et soutien politique aux niveaux national et local. Cette recherche contribue à une meilleure compréhension des conditions qui favorisent le succès des entreprises autochtones. Pour les dirigeants politiques, cela peut guider l’élaboration de solutions plus efficaces pour répondre aux besoins du développement économique autochtone et de la création de richesses au niveau local.
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 | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".