Une source en friche : les dénombrements sous le régime français
Bibliographic record
Abstract
Cet article se propose d’évaluer la qualité des dénombrements de la population canadienne réalisés entre 1685 et 1739. L’appréciation de la cohérence interne de ces documents permet d’abord de suspecter le sous-enregistrement de certaines catégories de la population, comme par exemple les femmes au 17 e siècle et les jeunes garçons dans le premier quart du 18 e siècle. Afin de mesurer l’ampleur globale du sous-enregistrement, la critique des données consiste ensuite à comparer l’effectif de la population enregistrée au nombre des personnes présentes au moment du recensement, tel qu’estimé par la technique du solde naturel cumulé. Il ressort de ce calcul que tous les dénombrements pèchent par défaut d’enregistrement. Avec un taux moyen d’omission d’un peu plus de 10%, les dénombrements sont finalement, pour l’époque pré-statistique, d’une qualité suffisante pour que leur exploitation puisse être entreprise avec profit.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.002 |
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; both teacher heads agree on what is shown here.
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".