Notice bibliographique
Résumé
Le modèle démographique polyvalent est une extension du modèle multirégional d’Andrei Rogers. On sait que ce modèle intègre la mobilité géographique au mouvement naturel. Si on étend le modèle à d’autres catégories ou états, on ne change pas fondamentalement le modèle; bien qu’il se présente des difficultés méthodologiques et des particularités, on peut se servir du même outillage matriciel. C’est ainsi que nous développons au Bureau de la Statistique du Québec un modèle démographique polyvalent, ou si on préfère, un algorithme, permettant de considérer, outre l’âge et le sexe, une centaine de catégories. Que ce soit au moyen de tables ou d’opérateurs de projection, il sera possible d’envisager des combinaisons de phénomènes comme la fécondité (en utilisant par exemple des probabilités d’agrandissement des familles), la nuptialité, l’activité, la mobilité géographique, la fréquentation scolaire, la survie, etc. Loin d’être un simple modèle bouton, le modèle polyvalent obligera l’utilisateur à tenir compte des concepts de base de la démographie et à préciser ses hypothèses, en particulier dans le domaine des interférences entre phénomènes.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,003 |
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 ».