MétaCan
Menu
Retour à la cohorte
Enregistrement W4288753130 · doi:10.1332/175795921x16562384510850

Growing Up in Québec: the experience of a pilot study

2022· article· en· W4288753130 sur OpenAlexaffabout
Catherine Fontaine, Mai Thanh Tu, Hélène Desrosiers, Delphine Provençal, Nancy Illick, Bertrand Perron

Notice bibliographique

RevueLongitudinal and Life Course Studies · 2022
Typearticle
Langueen
DomaineDecision Sciences
Thématiquedemographic modeling and climate adaptation
Établissements canadiensQuebec Statistical Institute
Organismes subventionnairesnon disponible
Mots-clésPsychologyPovertyGerontologyGeographyEconomic growthMedicineEconomics

Résumé

récupéré en direct d'OpenAlex

Growing Up in Québec, also known as the Québec Longitudinal Study of Child Development, 2nd edition (QLSCD 2), is a prospective cohort that began in spring 2021. Its goal is to follow the development of Québec children from the age of five months to adulthood in about 4,500 families. It is conducted by the Institut de la statistique du Québec and is based on the Québec Longitudinal Study of Child Development, 1st edition (QLSCD 1), which began in 1998 and is still ongoing. This article describes the Growing Up in Québec pilot study started in 2018, focusing on its objectives and key stages of completion, namely content selection, recruitment strategies and the retention plan, collection methods, adjustments to strategies made during collection, and methodology, including the construction of a socio-economic poverty indicator for population stratification. The article continues by presenting pilot results and their implications for the main survey. It ends with recommendations from the pilot study, exemplifying the wealth of experience gained from it.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,512
Score d'incertitude au seuil0,645

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,264
Tête enseignante GPT0,421
Écart entre enseignants0,157 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLongitudinal and Life Course StudiesMême sujetdemographic modeling and climate adaptationTravaux en français237 207