Bibliographic record
Abstract
Dans cet article, l’auteur montre que ce qui caractérise la démographie de la famille, c’est que l’unité statistique y est la famille, et non l’individu, comme en démographie générale. Par ailleurs, les démographes se sont jusqu’ici intéressés davantage à la famille « biologique » qu’à la famille « statistique », ce qui suppose une adaptation des méthodes traditionnelles d’analyse. Les événements démographiques familiaux qui modifient le nombre de familles statistiques font habituellement l’objet d’un enregistrement qui permet l’analyse. Dans une perspective longitudinale, l’auteur découpe l’histoire de la famille en séquences successives qu’on peut appeler le calendrier démographique de la famille. Cependant, les variables permettant l’étude de ce calendrier ne font pas l’objet d’un enregistrement approprié, particulièrement les intervalles et les durées. En dépit de son intérêt évident, la démographie de la famille est peu développée. Les défaillances de l’observation de certains événements (séparations, migrations, départs des enfants) ont grandement nui à l’émergence d’une démographie de la famille. De plus, la démographie s’est intéressée jusqu’ici à l’étude des phénomènes contribuant directement au renouvellement quantitatif de l’ensemble de la population, délaissant l’analyse sur une base familiale. L’essor d’une véritable démographie de la famille nécessitera la généralisation et la systématisation de l’utilisation du couple et de la famille comme unités d’observation et d’analyse.
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 | 0.057 | 0.078 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.009 | 0.006 |
| Science and technology studies | 0.003 | 0.014 |
| Scholarly communication | 0.013 | 0.014 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.007 | 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".