Immigration, dynamiques socio-économiques territoriales et mouvements résidentiels. Quelles perspectives pour les résidents du Luxembourg ?
Bibliographic record
Abstract
Immigration, socio-economic territorial dynamics and residential mouvements. What perspectives for the residents of Luxembourg? L’immigration est au centre de la croissance économique et du développement social du Luxembourg. On retrouve dans le pays d’importants écarts entre certains sous-groupes d’étrangers hautement qualifiés opposés à d’autres moins formés, s’ajoutant aux inégalités socio-économiques déjà présentes dans la population nationale. Dans cet article, nous nous intéressons à l’évolution des inégalités sociales dans un contexte d’immigration, en nous focalisant sur la dimension longitudinale. Nous explorons, avec le dernier recensement national exhaustif, l’évolution des territoires communaux luxembourgeois du point de vue socio-économique pour voir comment les mouvements résidentiels des populations nationales et étrangères ont, dans l’espace social et spatial, suivi ou non la tendance de prospérité qui a marqué le pays dans les dernières décennies. Dans un premier temps, nous construisons une série de portraits descriptifs sur l’évolution des communes à la lumière de la mobilité résidentielle et de l’immigration. Ces portraits montrent que les inégalités sociales et spatiales se sont principalement structurées autour de la capitale et ses communes périurbaines en tant que territoires privilégiés, et le sud comme territoire plus précarisé. Dans un deuxième temps, à travers une série de modèles probabilistes, notre exploration permet d’isoler de manière dynamique l’implication explicite de l’immigration qualifiée et moins qualifiée dans l’évolution des territoires. L’arrivée d’étrangers marque ainsi fortement la structure socio-spatiale du territoire luxembourgeois.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".