Bibliographic record
Abstract
L’atteinte d’une certaine cohésion sociale dans une région urbaine repose en bonne partie sur la réduction des disparités socio-économiques internes. Ces disparités socio-économiques ne sont pas étrangères aux problèmes liés à l’emploi et au revenu des ménages, qui découlent des transformations subies par le marché du travail au cours des dernières décennies. Dans cet article, nous nous interrogeons sur l’influence des facteurs géographiques reliés à la mobilité quotidienne des personnes et à l’accessibilité des lieux d’emplois sur les disparités socio-économiques internes, qui constribuent ainsi à une éventuelle érosion de la cohésion sociale dans l’agglomération urbaine de Québec. En premier lieu, nous utilisons une typologie des différents types d’accès à l’automobile dans les ménages motorisés afin de mieux cerner la capacité d’atteindre les lieux d’emplois. En second lieu, nous utilisons un indice d’accessibilité aux emplois reposant sur le modèle de gravité et nous faisons ressortir quelques zones de résidence présentant des problèmes d’accessibilité aux emplois en transport public, en 1977 comme en 1996. Enfin, nous testons l’hypothèse d’une relation entre l’accès effectif à l’automobile, l’accessibilité aux emplois et un indicateur de cohésion sociale, le taux d’emploi. Les données exploitées proviennent des enquêtes origine-destination du Réseau de transport de la Capitale (RTC).
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 | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.007 | 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".