La contribution des immigrants d’origine germanique au peuplement des régions de Lanaudière, de la Mauricie, de la Montérégie, de Chaudière-Appalaches et du Bas-Saint-Laurent
Bibliographic record
Abstract
La population du Québec est issue en grande partie de quelques milliers d’immigrants français qui se sont établis dans la vallée du Saint-Laurent au xviie siècle. Cependant, des pionniers d’autres origines ont aussi contribué au peuplement initial du territoire québécois. Un certain nombre d’entre eux étaient originaires de régions ou pays dont l’allemand était la langue principale. Les plus connus sont sans doute les mercenaires allemands qui ont fait souche au Québec durant le dernier quart du xviiie siècle. À partir de données généalogiques s’étendant sur plus de trois siècles, cette étude vise à retracer ces immigrants d’origine germanique et à mesurer leur contribution au peuplement de cinq régions du Québec (Lanaudière, Mauricie, Montérégie, Chaudière-Appalaches et Bas-Saint-Laurent). Les résultats révèlent la présence d’ancêtres germaniques dans les généalogies de toutes les régions étudiées. Ils représentent entre 0,9 % et 1,5 % de l’ensemble des immigrants identifiés et sont à l’origine d’un peu moins de 1 % des bassins génétiques régionaux mais de 2,7 % des lignées paternelles.
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 | 0.002 |
| 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 | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".