Mesurer la mobilité sans registre de population en France au xixe siècle : l’apport des registres de successions à l’étude des migrations des ruraux
Bibliographic record
Abstract
Malgré le développement de l’État et de la statistique administrative au xixe siècle, la France ne dispose pas de registres de population comptabilisant les entrées et les sorties dans ses communes, ce qui complique singulièrement l’étude de la mobilité des populations. À partir d’une source originale, sans lien apparent avec la question des migrations, le registre de mutation par décès qui enregistre la valeur et la composition des patrimoines des défunts, cet article explore une autre voie pour mesurer la migration depuis un espace donné au xixe siècle. Cette source qui indique le lieu de résidence des héritiers au moment du décès du parent permet en effet d’analyser la mobilité géographique d’une génération à l’autre tout en tenant compte d’un certain nombre de paramètres tels que la taille des fratries, le sexe et le niveau de fortune des individus, etc. S’appuyant sur un échantillon rural breton, l’auteur présente la source et ses potentialités, puis met en évidence le développement et la géographie des migrations des enfants de cultivateurs, le rôle de certaines configurations familiales, notamment la taille de la fratrie, pour comprendre l’émigration d’un territoire rural.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".