Bibliographic record
Abstract
Le Québec connaît depuis quelques décennies de profondes modifications dans ses caractéristiques démographiques. Le rythme d’accroissement de la population s’est considérablement ralenti sous l’influence de la réduction de la fécondité et de mouvements migratoires moins favorables. On peut prévoir qu’il en résultera un long processus de vieillissement de la population. Les changements démographiques entraînent des effets dans tous les secteurs de l’activité humaine. La présente étude se limite aux effets des variables démographiques dans le domaine économique. Sept secteurs économiques sont examinés : la population active, la consommation et l’épargne, la construction de logements, l’impôt sur le revenu des particuliers, les dépenses publiques pour la santé et l’éducation, la sécurité financière des personnes âgées et le développement régional. Les effets prévus varient beaucoup. Dans certains secteurs, telle la consommation, les effets semblent peu importants. Dans d’autres domaines, les incidences apparaissent parfois favorables (notamment la proportion que représente la population active dans la population totale), soit défavorables (par exemple, le coût de la sécurité sociale pour les personnes âgées). A très long terme, le vieillissement de la population n’est pas sans susciter de fortes inquiétudes, car sa capacité d’adaptation peut être sérieusement amoindrie.
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".