Enjeux d'application du Plan culturel numérique du Québec : Le réseau des agentes et agents de développement numérique (RADN), un régime de gouvernance collaborative qui s'ignore ?
Bibliographic record
Abstract
Le Ministère de la Culture et des Communications (MCC) a lancé le Plan culturel numérique du Québec (PCNQ) en 2014, il y aura bientôt 10 ans. L’objectif de cette initiative est, et demeure, de permettre au milieu culturel de tirer profit des nouvelles pratiques numériques, en soutenant notamment la formation professionnelle et le développement de la littératie numérique. Pour y contribuer, le MCC lance en 2019 une mesure qui finance l’embauche d’agentes et d’agents de développement numérique (ADN) au sein des associations et regroupements artistiques et crée le réseau des ADN (RADN). Le RADN, présente plusieurs caractéristiques d’un régime de gouvernance collaborative (RGC), entre autres celui du partage d’expertises (Emerson et Nabatchi, 2015, Ansell et Gash, 2007). Notre étude cherche à valider qu’il s’agit bien d’un cadre de gouvernance qui lui correspond et en quoi une application plus systématique de ce cadriciel lui bénéficierait. Nous tenterons de démontrer que le RADN est un RGC qui joue un rôle important dans l’ancrage et l’application des politiques numériques du MCC. Nous complétons cet essai par diverses observations qui enrichissent le cadriciel des RGC, à l’aune de théories du management public.
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 | 0.008 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.011 | 0.007 |
| Scholarly communication | 0.011 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.018 | 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".