A New Canadian Pastime? Counting Homeless People: Addressing and preventing homelessness is a political problem, not a statistical or definitional problem
Notice bibliographique
Résumé
How many homeless people are there? In Toronto? In Canada? Who knows? No one knows. For some, it seems, trying to count them is more important than taking action. There is agreement on two observations: the number is very large (measured in the many thousands, not the dozens or hundreds), and the number is increasing. Discussions of the number of unhoused people usually mix two very different questions: How many unhoused people are there right now (that is, on a given day or night). And how many people have been unhoused over a given period-of-time (that is, how many people are affected by the problem). The first is called a ‘point prevalence’ measure (a point-in-time count) and the second is called a ‘period prevalence’ measure. We already know that it is impossible to count a mobile population that lacks a permanent address. All our statistics about people and their households start with their address – their fixed location. Housed people may decide to move from one fixed location to another, but they always have an address. Unhoused people do not. Even if we take the time and resources to produce a somewhat defensible estimate we remain stuck with a final question: so what? What difference will such a point-in-time count make? Who will do what with the number? How many houseless people will be better off as a result? Those who are currently unhoused need to be adequately, affordably, and securely rehoused as quickly as possible. Those who are at risk of becoming houseless need measures that will prevent that outcome. We already know more than enough about the nature and magnitude of the problem to embark on rehousing and prevention programs. Addressing ‘homelessness’ is a political problem, not a statistical or definitional problem.
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 | 0,009 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,014 | 0,007 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,005 |
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 ».