La convergence internationale et intra-nationale des structures de consommation des ménages
Bibliographic record
Abstract
L'objet de cette these est d'etudier l'heterogeneite des comportements de consommation des menages et en particulier les phenomenes de convergence internationale et intra-nationale au cours du temps. La premiere partie expose des methodes de statistique descriptive (existantes ou originales) pour l'etude de la convergence en n dimensions; leur application a des donnees internationales (OCDE) et nationales (Canada) confirme generalement l'hypothese de convergence. Sur donnees internationales nous observons une evolution conjointe des structures budgetaires moyennes par pays et un phenomene de rattrapage des pays en retard vers les Etats-Unis, meme si des specificites nationales persistent. Sur donnees canadiennes nous observons une evolution conjointe des moyennes par classe sociale, une convergence interclasse et une divergence intra-classe, et l'existence de sous-populations definies par un comportement stable au cours du temps. Dans la seconde partie nous etudions certains determinants posibles des phenomenes observes sur donnees canadiennes. Nous lions d'abord ce mouvement a la litterature sociologique des omnivores et analysons les effets de generation. Nous montrons ensuite que les contraintes non monetaires sont de moins en moins differenciees entre classes sociales. Nous introduisons enfin un nouvel outil d'etude de la demande construit a partir d'un reseau de neurones artificiels et analysons ses resultats. Enfin, nous utilisons ce modele dans le cadre d'un modele mixte discret pour tester la stabilite des preferences et rejetons cette hypothese. Une annexe decrit un algorithme original d'optimisation numerique a population, baptise Kudu Herd Optimization.
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 | 0.011 | 0.045 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".