Cueillette et traitement des données sur les naissances, les mariages, les divorces et les décès au Québec : rêves et réalité
Bibliographic record
Abstract
Dans les provinces canadiennes autres que le Québec, un système unique, celui des « Vital Statistics », traite des aspects légaux et statistiques relatifs à la collecte des données de naissances, de mariages et de décès. Au Québec, par contre, le système est double. L’aspect légal proprement dit est régi par le Code Civil. Au niveau des statistiques, c’est maintenant la Loi de la protection de la santé publique; de 1924 à 1972, c’était la Loi de l’hygiène publique. Alors que sous cette dernière loi les données du mouvement de la population étaient recueillies par les officiers de l’état civil, le système de cueillette actuel mobilise directement les centres hospitaliers, les médecins en tant qu’accoucheurs ou thérapeutes et maintient les célébrants des mariages religieux et civils dans le circuit. Le nouveau système met l’accent sur une cueillette centralisée en même temps qu’il permet, au niveau sanitaire régional, un traitement décentralisé, poussé et spécialisé de l’information recueillie centralement. Pour atteindre le mieux possible ses objectifs, le nouveau système repose sur une utilisation intégrée de l’ordinateur et du microfilm. Le temps approche où on se demandera sérieusement dans quelle mesure les modifications apportées par la Loi de la protection de la santé publique dans le domaine des statistiques du mouvement de la population ont produit les résultats escomptés.
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 | 0.010 | 0.030 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.009 |
| Science and technology studies | 0.007 | 0.005 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".