Un an au Québec. La compétence linguistique et l’accès à un premier emploi
Bibliographic record
Abstract
La connaissance de la ou des langues du pays hôte est une des toutes premières variables qui viennent spontanément à l'esprit lorsqu'on recherche les facteurs facilitant l'établissement des immigrants. Par ailleurs, la littérature sociologique montre plutôt le contraire : la connaissance de la langue n'améliore pas le positionnement des immigrants sur le marché du travail. Pour contester cette conclusion peut-être trop hâtive, l'article présente une analyse directe de cette hypothèse sur une cohorte de nouveaux immigrants (qui sont le plus susceptibles de mettre en évidence le rôle de la connaissance de la langue), dans un contexte bilingue (Montréal, Canada) (contexte rendant plus visibles les orientations linguistiques) avec des données et une méthode d'analyse dynamiques (à long terme, presque tous les immigrants vont avoir une connaissance fonctionnelle de la langue; il faut donc tenir compte du temps où se fait l'apprentissage). L'analyse ne permet pas de rejeter les acquis de la littérature : ni la connaissance des langues ni leur apprentissage pendant l'établissement n'ont d'impact sur la vitesse d'accès au premier emploi. Elle met cependant en évidence le rôle de la prise de contact avec les réseaux sociaux structurés autour de la division linguistique de la société québécoise. L'analyse est réalisée à l'aide de régressions de survie semi-paramétriques. Les données proviennent d'une enquête sur l'établissement des nouveaux immigrants qui ont été admis à l'été et l'automne 1989 et qui résidaient dans la grande région de Montréal au moment de la première vague d'entrevues un an plus tard.
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 | 0.003 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.026 | 0.002 |
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".