MétaCan
Menu
Retour à la cohorte
Enregistrement W4293243843 · doi:10.23889/ijpds.v7i3.2076

Linking Eight Decades of Canadian Census Collections.

2022· article· en· W4293243843 sur OpenAlexaffabout
Jeremy Foxcroft, Kris Inwood, Luiza Antonie

Notice bibliographique

RevueInternational Journal for Population Data Science · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueData Analysis and Archiving
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésCensusData scienceComputer scienceLeverage (statistics)PopulationRecord linkageDemographicsData qualityLinkage (software)GeographyData miningDemographyMachine learningSociologyBusinessMarketing

Résumé

récupéré en direct d'OpenAlex

IntroductionLinking the many decades of census data collected during Canada’s settlement allows researchers to investigate the movement patterns of early settlers, changes in regional demographics, and intergenerational mobility. This research leverages new methodologies and previously untranscribed individual attributes to link for the first time Canadian censuses from 1852 to 1921. Objectives and ApproachThis work aims to build upon prior efforts (1871-1901 linking) to link the decennial Canadian censuses spanning from 1852 to 1921. We use a more complete transcription of the censuses, that has recently become available to researchers through The Canadian People’s project. Our approach to this task begins with reproducing the results of previous work using data from this new transcription. From there, we add additional time-invariant individual characteristics as features to our classification model. We also explore newer methodologies designed to leverage household information during the linkage process, with the goal of increasing the linkage rate. ResultsWe describe the differences between the different methodologies we use, and the steps we took to clean and standardize the data. We compare the links produced by the different methodologies in terms of the number of links yielded, their quality (false positive rate), and certain aspects of the bias present in the resulting collections of links. We discuss the challenges and potential approaches to dealing with sections of the population who remain difficult to link. We expect the advancements in record linkage methodologies for historical populations coupled with this more complete transcription of the censuses to offer advantages over prior approaches when linking these censuses. We expect the resulting linked data to offer new insight into Canada during this time period. Conclusions/ImplicationsThe resulting collection of linked data over this time period should characterize approximately three generations of early Canadians. This linked data will be passed on to other researchers and will allow us to better understand the changing experiences of the Canadian population during these early stages of Canada’s development.

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)0,004
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,288

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0190,047
Études des sciences et des technologies0,0050,001
Communication savante0,0040,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0250,006

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 Opus0,096
Tête enseignante GPT0,408
Écart entre enseignants0,312 · 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'étudeSans objet
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

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetData Analysis and ArchivingTravaux en français237 207