Bibliographic record
Abstract
Introduction Comment decrire une population? Comment meme oser le faire dans le cadre d'un court article? Les manieres de le faire sont multiples pour peu qu'on puisse evoquer les dimensions objectives de cette population, qu'elle se soit exprimee sur elle-meme ou qu'elle ait fait l'objet de discours analytiques — tous les documents que produit une population et dans lesquels elle presente ou se represente son etre ou son univers, que ce soit sous une forme scientifique ou non, sont objectifs en ce sens qu'ils constituent une matiere accessible a tous et dont on ne peut pas nier l'existence. Tel est bien le cas de l'Ontario francais: on ne peut douter que cette communaute presente une histoire et qu'on puisse la decomposer en ses divers aspects; les francophones de l'Ontario se sont depuis longtemps exprimes sur eux-memes, debattant de leur sort et de leur destinee, exprimant de multiples facons leur vecu; les etudes qui portent sur l'Ontario francais sont desormais nombreuses. Oser le faire, c'est risquer de laisser echapper des informations significatives, et donc de produire quelque distorsion. Eviter de le faire, toutefois, c'est abandonner les informations a leur nature eparse, c'est refuser de creer des liens entre elles, alors que ces liens peuvent, doivent etre etablis. Decrire une population, c'est reunir des informations en admettant que certaines sont mises de cote, c'est etablir des liens en sachant que les liaisons pourraient etre etablies autrement. Mais ce n'est pas selectionner des donnees au hasard, ni etablir des liens de maniere arbitraire. Et cette tâche est d'autant moins aleatoire que la population etudiee peut elle-meme informer la personne qui la depeint et que l'ensemble des informations peut etre puise dans un corpus analytique qui a fait l'objet de critiques. Notre objectif est de brosser un tableau a grands traits de l'Ontario francais afin de presenter brievement certains elements qui lui sont propres tout en etant conscients qu'il est impossible de tout dire dans un texte aussi bref. Dans un premier temps, nous proposons quelques notions d'histoire. Dans un second temps, nous nous attardons sur divers aspects d'ordre demographique; cette etude descriptive se termine sur une tentative de modelisation qui nous semble rendre compte de la dynamique sur la base de laquelle l'Ontario francais evolue en meme temps qu'il regresse.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.010 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".