La mesure des variations territoriales du bien‐être de la population vieillissante de l'Outaouais, entre caractères objectifs et évaluations subjectives
Bibliographic record
Abstract
La question de la mesure du bien‐être a ceci d'intéressant qu'elle oblige les géographes à pousser leur réflexion sur les modalités de l'interconnexion entre données objectives et données subjectives. Malgré le regain d'intérêt pour le concept sur la scène publique, peu d'efforts systématiques ont cependant été entrepris dans cette perspective. Notre article vise à pallier cette lacune en comparant une mesure objective de la qualité de vie de la population vieillissante de l'Outaouais (Québec) avec des données sur son bien‐être obtenues par voie d'enquête. Le capital résidentiel, le capital social et le capital humain sont les trois grands facteurs du bien‐être qui ont retenu l'attention. L'effet de milieu sur la relation du bien‐être objectif au bien‐être subjectif a été un important fil conducteur de la recherche. L'étude montre que, si les deux ensembles de mesures convergent assez bien, elles ne se superposent pas entièrement. Les mesures objectives de la contribution de l'environnement social au bien‐être traduisent mal les satisfactions telles que révélées par l'enquête qui illustrent par ailleurs le besoin de tenir compte du sexe, du revenu et de la scolarité dans le bien‐être perçu.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".