Notice bibliographique
Résumé
In this overview chapter, we call upon data from Statistics Canada and the academic literature to present some stylized facts and figures regarding suburban older adults and a synthesis of the challenges and opportunities of aging in suburban environments. This chapter serves to provide (1) a snapshot of Canadian suburban demographic trends, (2) an overview of the state-of-the-art thinking on suburban aging, and (3) contextual framing for the in-depth research chapters and vignettes that make up the suburban part of this book. Canada’s built environment and population growth predominantly occurs on the (sometimes sprawling) urban fringe. Put simply, Canada is a suburban nation. In Canada’s largest metropolitan areas, including Vancouver, Montréal, and Toronto, the proportion of suburban residents exceeds 80% (Gordon and Janzen, 2013). Generally, traditional forms of suburban locations can be characterized by a variety of factors including the proportion of single-family housing, car commuting patterns, population density, and home-ownership rates. However, we recognize that the modern suburban landscape is complex and diverse (Keil, 2017) and that there is no single perfect operational definition of suburban (Forsyth, 2012). We adopt the following operational definition in order to provide a generalized overview of suburban demographic trends in Canada: suburban areas are dissemination areas (as defined by Statistics Canada) with a population density between 1,000 and 4,000 people per square kilometre with over 60% of commutes made by car, or simply with a population density of 400–1,000 people per square kilometre (Channer et al, 2020). Using the data from the Statistics Canada (2019a) population estimates, we found that more than half (18 million) of Canada’s population resides in suburban areas.
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 | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,011 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,002 |
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 ».