Les jeunes ruraux : rester, quitter, revenir
Notice bibliographique
Résumé
La deperdition des jeunes des collectivites rurales cause depuis un bon moment deja bien des inquietudes. On pense generalement que la plupart des collectivites rurales offrent peu de possibilites a leurs jeunes, ce qui les oblige a partir vers les villes, vraisemblablement pour toujours. Meme s'il existe un corpus de recherche considerable sur la migration interprovinciale, on sait assez peu de choses des modeles de migration entre les regions rurales et urbaines du Canada. D'apres notre analyse, les jeunes de 15 a 19 ans de presque toutes les provinces quittent en plus grand nombre les regions rurales que les regions urbaines, en partie pour poursuivre des etudes post-secondaires. Les modeles de migration sont plus complexes pour le groupe des 20 a 29 ans, mais toute la migration a pour resultat net que les provinces de l'Atlantique, tout comme le Manitoba et la Saskatchewan, enregistrent des pertes nettes de leur population rurale de 15 a 29 ans. Le probleme est particulierement aigu a Terre-Neuve. Les regions rurales des provinces de l'Atlantique qui obtiennent des resultats inferieurs a la moyenne nationale, en termes de gains nets de la population de jeunes, enregistrent ces pertes non pas parce qu'elles perdent une proportion de jeunes plus elevee que la moyenne nationale, mais parce qu'elles ne parviennent pas a attirer assez de jeunes personnes a venir vivre chez elles. Tout au plus 25 % des personnes qui quittent leur collectivite rurale y reviennent dix ans plus tard. L'effet de ce resultat est clair : on ne peut pas compter sur la migration de retour pour preserver la taille de la population d'une cohorte donnee. Les regions rurales doivent plutot compter sur les arrivants d'autres regions (urbaines) pour atteindre cet objectif. Certaines collectivites rurales y parviennent, c'est-a-dire qu'elles enregistrent une migration d'entree nette positive des individus de 25 a 29 ans ou plus, meme si elles enregistrent une perte nette pour les plus jeunes. Ceux qui quittent les regions rurales connaissent generalement une croissance de leurs revenus superieure a celle de ceux qui restent. La question suivante sur le sens dans lequel joue le rapport de causalite reste cependant sans reponse : le processus de migration lui-meme entraine-t-il une croissance des gains superieure ou reflete-t-il la possibilite que ceux dont le potentiel de croissance des gains est superieur ont plus tendance a partir?
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».