MétaCan
Menu
Retour à la cohorte
Enregistrement W2809694707 · doi:10.71781/12965

Le vieillissement des groupes linguistiques au Québec

2017· dissertation· fr· W2809694707 sur OpenAlexaboutno aff
Camille Perrot

Notice bibliographique

RevueOpen MIND · 2017
Typedissertation
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychology

Résumé

récupéré en direct d'OpenAlex

L’image démographique et linguistique de la société québécoise est en constante évolution depuis de nombreuses années et les questions du vieillissement et de la problématique linguistique sont au centre des préoccupations du gouvernement québécois. Le caractère atypique de cette province francophone entourée de territoires anglophones lui a valu d’être le sujet de nombreuses études. L’objectif de ce mémoire est d’analyser les différences dans le vieillissement démographique de chacun des groupes linguistiques ainsi que les effets de l’âge sur la mobilité linguistique. La variable « âge » sera au cœur de notre étude. Les données des recensements canadiens de 1971 et 2006 ont été analysées afin d’obtenir, pour chacun des groupes linguistiques, les différents indicateurs du vieillissement démographique tels que l’âge moyen, le rapport de dépendance et l’indice de remplacement. De cette analyse descriptive, il en résulte que le vieillissement démographique affecte différemment chacun des groupes linguistiques montrant également qu’en plus d’être le groupe le plus vieux, le groupe francophone est celui qui vieillit le plus vite. Le thème de la mobilité linguistique est également abordé, amenant à la conclusion que la grande majorité des transferts linguistiques est réalisée durant l’enfance et qu’ils sont négligeables voire inexistants après 40 ans. De façon générale, cette mobilité linguistique reste faible et son impact sur la vitesse de vieillissement des groupes linguistiques est marginal.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0050,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,418
Écart entre enseignants0,356 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetFrench Language Learning MethodsTravaux en français237 207