Les Canadiens français dans la ligue nationale de hockey : une analyse statistique
Bibliographic record
Abstract
Cet article pose le problème que soulève la présence des Canadiens français dans la Ligue nationale de hockey (LNH). Comme l’habileté à parler l’anglais couramment doit être considérée comme nécessaire à un joueur canadien-français, ce dernier doit investir en formation générale en cours d’emploi. C’est le francophone unilingue et non l’équipe de hockey qui assumera le coût de ce type de formation générale. Par conséquent, le Canadien français joue en-deçà de ses capacités au cours des premières années de sa carrière professionnelle. Pour vérifier cette hypothèse, nous développons un modèle de la détermination des salaires des joueurs de hockey de la LNH dont les variables considérées sont un indice de performance, une variable quadratique qui reflète l’expérience et une variable d’interaction entre l’expérience et la performance. Nous démontrons par une analyse de régression qui s’appuie sur des données pour l'année 1977-78 que les joueurs francophones assument le coût de leur investissement en capital humain pour être aussi productifs que les joueurs de langue anglaise. En effet, les équipes y substituent un indice de performance courante pour le critère de performance à vie par partie. Finalement, nos résultats laissent entrevoir que la détermination des salaires des francophones des Canadiens de Montréal, n’ayant pas à investir en anglais, et des franco-Canadiens, déjà bilingues, est différente de celle utilisée pour les Canadiens français unilingues. Toutefois, la différence n’est pas statistiquement significative.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".