Vivre ou non dans les communautés des Premières Nations québécoises? Évaluation de l’impact des inégalités socioéconomiques sur le phénomène de migration des Indiens
Bibliographic record
Abstract
Ce mémoire porte sur la relation entre les inégalités socioéconomiques et la migration des Indiens inscrits du Québec en 2006. Nous évaluons la contribution des inégalités sociales et scolaires, des inégalités économiques, des inégalités régionales et des inégalités juridiques et politiques à la migration des Indiens inscrits et la contribution de la migration à l’atteinte d’un revenu supérieur. Les résultats obtenus auprès des Autochtones sont comparés à ceux des non-Autochtones de façon à pouvoir distinguer ce qui et spécifique aux Autochtones. Des régressions logistiques ont été effectuées afin d’observer la contribution des caractéristiques individuelles et collectives sur la migration non-récente - entre 2001 et 2005, sur l’atteinte d’un revenu supérieur au 75e centile en 2005 et sur la migration récente - entre 2005 et 2006. Les résultats de la présente recherche montrent que le sexe, l’âge et les variables de migration expliquent très peu le fait de bénéficier d’un revenu supérieur. Obtenir minimalement un diplôme d’études secondaire et d’avoir un travail à temps plein augmente considérablement les chances. Chez les Indiens inscrits, la nation d’appartenance et la zone de résidence expliquent beaucoup plus la variance expliquée. Qui plus est, la contribution de l’âge et du sexe explique très peu le fait d’avoir migré - récemment ou non récemment. Par conséquent, la scolarité, l’occupation expliquent beaucoup le fait que les Indiens inscrits et que les non-Autochtones migrent. Les nations d’appartenance ainsi que les zones de résidence expliquent beaucoup le fait que les Indiens inscrits migrent.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".