Bonheur, bien-être subjectif et sentiment de justice sociale au Québec
Bibliographic record
Abstract
L’article analyse les données d’une enquête menée au Québec en 2013 sur le sentiment de bien-être, le bonheur ressenti et les inégalités. L’enquête montre que la mesure du bonheur et la mesure de la satisfaction à l’égard de la vie menée ne sont pas complètement interchangeables, bien que fortement corrélées. Ainsi, le cas de figure des enquêtés heureux mais insatisfaits devant la vie menée caractérise une fraction de la classe moyenne et des immigrants. Il apparait ensuite que la relation bien établie entre le revenu et le sentiment de bien-être, qui est aussi observée dans l’enquête québécoise, ne peut pas être analysée sans prendre en compte la représentation sociale que les acteurs sociaux se font de leur situation. Le niveau de revenu ne détermine pas à lui seul l’atteinte du bonheur, mais son effet est médiatisé par le sentiment de privation et les aspirations des enquêtés. Enfin, l’enquête confirme l’importance de prendre en compte le sentiment de justice dans l’estimation du bien-être, en distinguant le jugement porté sur sa situation personnelle et le jugement posé sur la société dans son ensemble. Elle montre la pertinence de distinguer les principes d’équité et d’égalisation des ressources. Les résultats de l’enquête québécoise confortent les observations faites en France et appuient la nécessité de prendre en compte l’étude du sentiment de justice sociale dans les analyses portant sur le bien-être dans les sociétés développées.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.008 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".