Immigration, langues et performance économique : le Québec et l’Ontario entre 1970 et 1995
Notice bibliographique
Résumé
Cette étude contribue à deux courants de littérature relativement distincts : l’intégration économique des immigrants et les liens entre les attributs linguistiques et les revenus au Canada. L’analyse porte sur deux provinces canadiennes, le Québec et l’Ontario, et utilise les microdonnées des cinq recensements canadiens de 1971, 1981, 1986, 1991 et 1996. L’échantillon est divisé entre les non-immigrants et les immigrants (et parmi ces derniers entre ceux originaires de l’Europe et des États-Unis et ceux originaires du reste du monde) et entre les personnes parlant le français, l’anglais ou une autre langue à la maison. Dans un premier temps, on fait des comparaisons de traitements et salaires moyens en fonction des attributs de langue et d’immigration. On constate que les revenus relatifs des immigrants ont diminué dans le temps. Par ailleurs, les francophones ont amélioré leur situation économique, à la fois chez les immigrants et les non-immigrants, mais sans rattraper totalement les anglophones. Les personnes parlant des langues autres que l’anglais ou le français ont en général des revenus assez faibles. Dans un deuxième temps, on estime des régressions de gains pour voir les effets nets des attributs d’immigration et de langue. Les écarts entre francophones et anglophones sont plus faibles quand on ne considère que les effets nets, et en Ontario, ils sont même nuls ou en faveur des francophones. Une question intéressante concerne la performance économique des immigrants au Québec en fonction de leurs choix linguistiques. Les résultats montrent que les immigrants qui parlent français s’intègrent aussi bien que ceux qui parlent anglais. Malgré cela, il n’y a pas suffisamment d’immigrants qui s’intègrent à la communauté francophone pour assurer le maintien du poids démographique du français. L’auteur suggère que la politique canadienne d’immigration tienne compte de l’équilibre linguistique entre le français et l’anglais.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».