Diffuse urbanization, sustainable development and travel : examples from Brittany and Eastern Quebec
Bibliographic record
Abstract
Les territoires ruraux sont généralement sous-équipés et leurs populations contraintes en conséquence de se rendre fréquemment dans des localités mieux pourvues en commerces, en offre médicale, en accès aux loisirs et, bien sûr, en emplois. Mais les moyens pour se déplacer, autres que la voiture individuelle, ne sont pas moins carencés. La mobilité y est donc une question cruciale. Le refus de quitter ces territoires et la volonté de certains de s’y installer impliquent donc de surmonter cet inconvénient et d’entrer en résistance face à ce qui est continuellement présenté comme inéluctable. Le Centre-Ouest Bretagne et le Bas-Saint-Laurent, au Québec, se sont trouvés dans cette situation : des paroisses constitutives du second ont même été menacées d’une fermeture, avec un déplacement de leurs populations. Mais ces deux territoires ont trouvé les ressources morales et de remarquables acteurs pour les mobiliser, afin de contrecarrer le destin funeste qu’on leur diagnostiquait. La thèse relate leur entrée en résistance, en présente les acteurs et montre, dans le registre des déplacements, quels moyens ont été mis en oeuvre pour surmonter, partiellement au moins, les difficultés engendrées par la dispersion des populations.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.008 |
| Science and technology studies | 0.012 | 0.006 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".