Dix choses a savoir sur les regions metropolitaines du Canada: synthese de la serie de Statistique Canada
Bibliographic record
Abstract
La serie de rapports intitulee fournit des renseignements de base importants sur les regions metropolitaines de recensement (RMR) du Canada pour la periode allant de 1981 a 2001. Fondee principalement sur des donnees de recensement, cette serie offre des renseignements et des analyses de fond portant sur plusieurs sujets, dont le faible revenu, la sante, l'immigration, la culture, le logement, les marches du travail, la structure industrielle, la mobilite, les transports en commun et le navettage, et les peuples autochtones. La presente evaluation finale resume les principaux resultats presentes dans les huit rapports et recapitule les enseignements tires de ces etudes. Elle degage les trois contributions principales de la serie. Premierement, cette derniere fournit des renseignements detailles montrant que le lieu ou l'on vit a de l'importance. Les regions metropolitaines de recensement different fortement les unes des autres en regard de nombreux indicateurs et ces differences economiques et sociales sont d'importants facteurs qui les caracterisent. Par consequent, les decisions strategiques touchant les villes devraient refleter cette diversite. Deuxiemement, la serie fournit une part importante des donnees et des analyses requises pour proceder a des evaluations strategiques exactes des problemes qui accablent les plus grandes villes du Canada et des endroits ou chaque probleme est le plus aigu. Troisiemement, elle fournit des donnees reperes en regard desquelles de futures donnees 'principalement celles du Recensement de 2006 ' pourront etre examinees. Ce resume offre aussi un bref survol de certains sujets qui n'ont pas ete abordes dans la serie, en indiquant les lacunes statistiques ou les domaines necessitant une etude plus approfondie.
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 | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.017 | 0.051 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.007 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".