Surviving Old Age in an Ageing World Old People in France, 1820-1940
Notice bibliographique
Résumé
Résumé Comparé aux autres pays européens, le vieillissement de la population a été, en France, particulièrement précoce. Cette évolution affecte aussi bien l’organisation de la société que les liens au sein de la famille. Si l’on observe l’évolution du patrimoine des Français entre 1820 et 1940, on constate que la part de ceux qui meurent sans rien laisser derrière eux augmente, et cette évolution s’observe à tous les âges. Partant de ce double constat, on cherche à analyser les stratégies que déploient les individus âgés pour vivre leur vieillesse, autour de trois types de ressources : les ressources économiques individuelles, les ressources familiales et les ressources publiques. L’analyse montre l’hétérogénéité du groupe des vieux et donc des stratégies de survie mises en œuvre. L’épargne n’est une solution que pour une minorité ; elle permet l’accès à d’autres ressources et constitue notamment une alternative au maintien d’une activité. On montre en outre que les retraites qui se mettent progressivement en place contribuent à un accès plus large à l’épargne. On observe finalement que la part croissante des personnes âgées dans la population française a été accompagnée par un rôle accru des soutiens publics.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».