Les jeunes, Internet et leur argent : vulnérabilités et inégalités. Une approche par le risque sociodémographique cumulé
Notice bibliographique
Résumé
De plus en plus d’activités financières se font par le biais d’Internet. Selon nombre d’études, les jeunes, les femmes et les plus précaires y recourent moins, ce qui peut conduire à de nouvelles formes d’inégalité. Ces études ne permettent toutefois pas de vérifier si les jeunes qui réunissent plusieurs facteurs de risque sont, comparativement aux autres, plus concernés par ces inégalités, car elles examinent les caractéristiques sociodémographiques de manière indépendante. L’approche du risque cumulé que nous mobilisons pour analyser les données 2019 de l’enquête Omnibus de l’Office fédéral de la statistique suisse remédie à cette lacune. Elle nuance le constat d’une fracture numérique. Certes, il existe des inégalités en matière d’inclusion financière numérique et de pratiques économiques numériques effectuées, les 18-29 ans les plus vulnérables étant moins susceptibles de mobiliser Internet pour gérer et dépenser leur argent. Cependant, il n’y a pas de liens statistiquement significatifs entre le fait de cumuler les risques et les activités de recherche de gains en ligne, ce qui laisse supposer que le numérique est aussi une ressource pour les plus vulnérables. On n’observe également pas de différence dans les problèmes rencontrés sur Internet et, le cas échéant, les pertes financières en découlant, ce qui semble indiquer des stratégies d’autocontrôle et des compétences dans l’évaluation des risques chez les plus vulnérables qu’il reste à explorer.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».