Accéder au meilleur quartier possible : types de famille et ségrégation résidentielle croisée à Montréal
Bibliographic record
Abstract
Le sujet principal de ce texte est une forme très ciblée de ségrégation démographique : la ségrégation des familles avec enfants selon leur type. Cependant, puisque la répartition spatiale des familles avec couple marié, avec couple en union libre, monoparentales à chef féminin et monoparentales à chef masculin ne dépend pas uniquement de leur structure, il faut aussi considérer d’autres facettes de leur identité, notamment leurs caractéristiques socioéconomiques et ethnoculturelles. La combinaison de ces facteurs engendre une ségrégation croisée que nous explorons avec les microdonnées du recensement de 2006 pour la région métropolitaine de Montréal. Nous utilisons d’abord des indices de ségrégation pour mettre en évidence une ségrégation familiale « brute », puis nous avons recours à des modèles de locational attainment pour déterminer l’effet « net » du type de famille sur le revenu médian du quartier de résidence. Nous trouvons qu’il existe une interaction importante entre l’appartenance ethnoculturelle et le type de famille, ce qui nous conduit à relativiser les résultats de recherches qui ne prennent pas en compte l’hétérogénéité interne des types de famille.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| 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".