Quand la famille pèse dans la balance…lors de la décision d’aller vivre en milieu rural ou de le quitter
Bibliographic record
Abstract
Le vieillissement et la faible croissance démographique dans plusieurs territoires québécois, notamment ruraux, posent un défi de taille à l’État, aux municipalités et aux divers acteurs locaux. Comment attirer et retenir de nouvelles populations, notamment des familles, dans ces milieux moins densément peuplés que les villes et moins pourvus en services? À partir d’une synthèse de mes recherches portant sur le processus d’insertion de diverses populations dans l’espace rural québécois (agriculteurs immigrants, travailleurs agricoles saisonniers, jeunes régionaux d’origine immigrée, médecins omnipraticiens, néo-ruraux), cet article mettra en évidence l’interaction de plusieurs facteurs susceptibles d’influencer la décision d’aller vivre dans ce type de milieu ou de le quitter. Alors que la littérature insiste plus volontiers sur les facteurs professionnels, financiers ou personnels, je m’attarderai sur les facteurs moins visibles, à savoir les facteurs familiaux liés aux conjoint(e)s et aux enfants ainsi que les facteurs sociocommunautaires et culturels et ceux concernant l’environnement naturel. Pour terminer, quelques pistes de réflexions et d’actions pouvant encourager l’attraction et la rétention de familles dans les territoires ruraux seront proposées.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".