Bibliographic record
Abstract
Dans le cadre d’une étude de la mobilité des membres du personnel scolaire québécois, nous avons tenté de nous doter des moyens pour suivre ces individus dans le temps et dans l’espace tout au long de la période 1970-71 à 1975-76 (en termes d’années scolaires). C’est ainsi que, à partir d’une série de six (6) fichiers administratifs annuels, nous avons créé un super-fichier : le fichier « Mobilité du Personnel », lequel rassemble une information individualisée et établit un lien de continuité entre chacun des fichiers annuels. Le secret de cette réalisation réside essentiellement dans la double opération de la standardisation des variables sur la période d’étude et surtout du jumelage automatique des informations entre les fichiers annuels. Dans le fichier « Mobilité du Personnel », les 604 173 individus inscrits dans les six (6) fichiers administratifs ont été réduits au nombre de 168 159 individus, lesquels possèdent dorénavant un seul dossier couvrant six (6) ans de leur histoire. Les avantages qu'offre une telle banque d'information sont nombreux. Soulignons, entre autres, qu'elle élimine les cas de « double », qu’elle permet le contrôle presque parfait du phénomène des « faux mouvements » et qu’elle se manie très bien vu que toute l’information y est standardisée.
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 | 0.004 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".