Bibliographic record
Abstract
Nous désirons élaborer des perspectives de ménages qui serviront pour une étude des besoins de logements. Il fallait donc inclure dans nos résultats la caractéristique de la taille des ménages. La méthode des rapports aurait pu être utilisée en extrapolant les pourcentages des ménages selon le nombre de personnes. Ceci s’avérait trop complexe à manipuler. Nous avons donc cherché une méthode simple d’extrapolation. Une méthode mise au point par M.F. BAMAS et N. TRIBALLAT1 a déjà été vérifiée en France, et elle s’est avérée suffisamment juste pour être utilisée comme méthode de projection des ménages selon la taille. Nous avons donc vérifié cette méthode pour le Québec, ses quasi-régions administratives et ses principales villes. La méthode qui reconstitue la distribution des ménages selon la taille à partir de deux paramètres (moyenne et variance de la distribution), s’est avérée suffisamment fidèle aux observations des recensements antérieurs pour être applicable au Québec. Nous avons cependant noté un problème pour les ménages de taille 2 et 3. Un ajustement a posteriori semble résoudre ce problème d’incohérence entre les observations des recensements et la distribution théorique. Cette méthode d’ajustement statistique nous permettra d’obtenir la ventilation du nombre des ménages selon la taille en faisant une hypothèse sur les paramètres du modèle : la moyenne et la variance de la distribution des ménages selon la taille. La moyenne sera connue pour les années futures (étant un résultat intermédiaire de nos perspectives par la méthode des taux de chefs); il n’y aura plus qu’à extrapoler les valeurs de la variance. Cette méthode sera utile en ce sens qu’elle simplifie de beaucoup les étapes de calculs et d’extrapolations complexes où les risques d’erreur se multiplient. (1) M.F. BAMAS et N. TRIBALLAT, "Perspectives de ménages par nombre de personnes, essais méthodologiques", in Etude et Conjoncture, Vol. 22, no 12, Décembre 1967, pp. 3-24.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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; 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".