Politiques publiques de financement de la procréation assistée
Notice bibliographique
Résumé
Dans le contexte de la baisse de fécondité dans les pays développés, les milieux de la recherche et des politiques publiques s’intéressent à la question de savoir si la procréation médicalement assistée (PMA) peut s’avérer être un outil efficace pour prévenir le déclin démographique. Selon Statistiques Canada, le taux de fertilité agrégé a atteint son niveau le plus bas en 2022 au Canada, avec 1,33 enfant par femme. Au Québec, ce taux était de 1,49 en 2022, un des niveaux les plus bas enregistrés depuis 2002. Plusieurs études ont montré que l’expansion de l’éducation supérieure représente une des raisons principales du déclin de la fertilité et du report des naissances. En moyenne, les femmes choisissent de s’éduquer plus longtemps et reportent la maternité à un âge où leur fertilité est plus basse. D’autres raisons biologiques semblent contribuer à la baisse de la fertilité avec l’émergence de conditions de santé qui limiteraient la fertilité chez les femmes (endométriose, troubles endocriniens) et chez l’homme (baisse du nombre et de la qualité des spermatozoïdes). Dans cette étude, l’auteure propose un modèle théorique normatif de taxation non linéaire afin d’établir quelles sont les conditions sous lesquelles un gouvernement, tel que celui du Québec, aurait intérêt à intervenir dans le financement de la PMA. Le cas échéant, il s’agit de déterminer sous quelles formes l’État devrait intervenir et quels groupes de la population devraient être privilégiés.
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 | 0,008 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».