Les effets des réseaux intersectoriels sur les organisations participantes. Proposition d’un cadre théorique pour l’étude de l’influence des tables de quartier sur les organisations publiques et les organisations du tiers secteur
Bibliographic record
Abstract
Afin d’étudier les effets des réseaux intersectoriels sur les organisations qui y participent,\nproblématique de recherche peu explorée dans la littérature, nous proposons la mobilisation\nd’un cadre théorique néoinstitutionnel. La pertinence d’utiliser ce cadre théorique est défendue\nen conjuguant la littérature sur les réseaux, présentée dans la première partie du rapport, au\nnéoinstitutionnalisme sociologique, particulièrement à la dynamique du changement\ninstitutionnel et au rôle des travailleurs institutionnels dans ce processus, thèmes discutés dans\nla deuxième partie de ce rapport. Au sein des réseaux intersectoriels, des logiques\norganisationnelles différentes se côtoient. Ces réseaux constituent ainsi un terrain propice au\nchangement institutionnel. Les représentants des organisations au sein des réseaux, ici\nconsidérés comme des travailleurs institutionnels, fonctionnent comme courroie d’influence\nentre les réseaux et les organisations. Ces organisations subissent des changements\ninstitutionnels et contribuent ainsi à l’institutionnalisation des réseaux. Le besoin de davantage\ncomprendre le travail institutionnel de ces acteurs s’impose. Pour ce faire, la troisième et\ndernière partie de ce texte suggère un terrain de recherche particulièrement intéressant. Il s’agit\ndes tables locales de concertation intersectorielle (TLCI), ou simplement tables de quartier,\nprésentes à Montréal depuis au moins une vingtaine d’années. Ces tables réunissent surtout\ndes organisations publiques et du tiers secteur qui ouvrent sur plusieurs problématiques d’un\nterritoire. Les TLCI de Montréal peuvent présenter des niveaux d’institutionnalisation importants,\ncontribuant ainsi à l’introduction de changements institutionnels au sein des organisations qui en font partie.
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 | 0.016 | 0.076 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.034 | 0.003 |
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".