Demography as a Field: Where We Came From and Where We Are Headed
Notice bibliographique
Résumé
This essay provides a series of reflections on the current state of demography as seen by four early-career researchers who are actively engaged in aspects of the discipline as varied as research, teaching, mentorship, data collection efforts, policy making, and policy advising. Despite some claims that the discipline is weakening, we showcase the great potential of the field and outline promising pathways and novel directions for the future. In so doing, we critically assess recent innovations in data quality and availability, stressing the need to "revolutionize" the way that demographic methods are taught by adopting a viewpoint that more closely reflects the rapidly changing, or "fast," nature of global social phenomena such as conflict-related displacements, environmental disasters, migration streams, pandemics, and evolving population policies. We conclude by discussing the relevance of careful demographic analyses for policy making, stressing three main points: (i) the need to make demography more visible and understandable to the public eye; (ii) the importance of engaging and co-creating with local communities to "break" the academic bubble; and (iii) the urge to counteract the spread of misinformation-a phenomenon that has become even more visible in the aftermath of the COVID-19 outbreak.
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 | 0,020 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,021 | 0,078 |
| Communication savante | 0,023 | 0,029 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,006 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».