Take the train and climb the social ladder. The role of geographical mobility in the fight against inequality in Quebec
Notice bibliographique
Résumé
Despite initiatives to promote equality of opportunity, the reproduction of inequalities from generation to generation has worsened in Quebec in recent decades. Youth who grew up in a less advantaged environment are more likely to remain at the bottom of the ladder as adults. We know that education is a key factor in social mobility. A CIRANO study looks at the issue from another angle, that of geographic mobility. The authors follow the career paths of nearly 1.4 million young people and show that the lack of social mobility affects more strongly young people who grew up outside major cities, particularly those who still live there in their early thirties. This study is the first to examine the influence of geographic mobility on intergenerational income transmission in Quebec. It is based on Statistics Canada’s Intergenerational Income Database (IID), which has a longitudinal structure that tracks children to late stages of adult life. The data come from the Canada Revenue Agency’s tax data files and provide access to parent and child income information from 1978 to 2016. In terms of geographic mobility, analyses show that the deterioration of social mobility in Quebec is mainly the result of two phenomena: on the one hand, the deterioration of the socio-economic status of young people residing outside major urban centres at age 16 and having grown up in a family at the bottom of the income distribution, and improving the situation of young people from the same regions who grew up in families at the top of the income distribution.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».