MétaCan
Menu
← Back to cohort
Record W7065858012

Étude sur la désobéissance civile de jeunes du Québec dans la lutte pour la justice climatique

2023· other· fr· W7065858012 on OpenAlexaboutno aff

Bibliographic record

VenueEspaceINRS (National Institute for Scientific Research (Canada)) · 2023
Typeother
Languagefr
Field
Topic
Canadian institutionsnot available
Fundersnot available
KeywordsEconomic JusticeSocial justiceConscienceCitizenship
DOInot available

Abstract

fetched live from OpenAlex

L'objectif principal de cette recherche était de mieux comprendre comment et pourquoi \ndes jeunes en viennent à pratiquer la désobéissance civile dans le mouvement \nclimatique. Pour y parvenir, cette recherche s’est articulée autour des trois volets \nsuivants : \n1) qu’est-ce que la désobéissance civile pour ces jeunes qui la pratiquent?, \n2) quel est leur parcours politique? et \n3) quelles sont leurs représentations du système? \nLa première question visait à explorer la manière dont ces jeunes comprennent le \nconcept de désobéissance civile. Elle cherchait à mettre en lumière les approches, les \nprincipes et les intentions qui guident cette action. La deuxième question avait pour but \nd’identifier les différents facteurs qui ont jalonné le parcours de ces jeunes engagé·e·s. \nIl s’agissait d’explorer les expériences personnelles qui ont joué un rôle clé dans leur \nprise de conscience de l’urgence climatique et leur décision de faire de la désobéissance \ncivile dans le mouvement climatique. La dernière question visait à comprendre \ncomment ces jeunes perçoivent et définissent le concept de système lorsqu’elles·ils en \nparlent. La compréhension de leurs représentations du système a permis de mieux \nappréhender les causes qu’elles·ils attribuent à la crise climatique ainsi que leurs visions \nde changement social.

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 imitation

Not 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.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.041
Threshold uncertainty score0.300

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.003
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.002
Science and technology studies0.0160.005
Scholarly communication0.0050.002
Open science0.0010.002
Research integrity0.0010.003
Insufficient payload (model declined to judge)0.0080.000

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.

Opus teacher head0.039
GPT teacher head0.320
Teacher spread0.281 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueEspaceINRS (National Institute for Scientific Research (Canada))→French-language works237,207→