Effets de la pandémie sur les finances personnelles : Un premier coup d’œil
Notice bibliographique
Résumé
Série : Enquête sur les finances personnelles en temps de pandémie – Partie 1 Depuis maintenant 2 mois, le Québec, tout comme le reste du Canada, est confiné en raison de la pandémie de COVID-19. À ce stade, les décideurs ont très peu d’informations pour prendre des décisions éclairées concernant la poursuite des mesures de soutien mises en place jusqu’à présent. En effet, notre système de statistiques sur les ménages, mise à part l’Enquête sur la population active, mensuelle, est basé sur un cycle beaucoup plus long (une à plusieurs années). Les données administratives de nos gouvernements sont présentement difficiles d’accès et, dans tous les cas, n’offrent pas un portrait complet des finances personnelles puisqu’elles ne contiennent pas d’information sur les dépenses des ménages, les actifs ou l’endettement. Pour donner un exemple, il pourrait s’avérer important de connaître qui reçoit les mesures de soutien fédérales comme la Prestation canadienne d’urgence (PCU), ou bien de savoir si les ménages qui ont perdu un emploi ont été en mesure d’utiliser le crédit ou leur épargne afin de subvenir à leurs besoins. D’un point de vue macroéconomique, il pourrait s’avérer important de savoir comment les dépenses des ménages ont changé, la consommation étant une composante importante du PIB. Il peut aussi être important de mesurer les anticipations des ménages quant au futur.
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 | 0,010 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 ».