Facteurs prédictifs de l’intention de migrer chez les élèves du secondaire au Saguenay–Lac-Saint-Jean
Bibliographic record
Abstract
Au cours des dix dernières années, le phénomène de la migration des jeunes s’est accentué au Saguenay–Lac-Saint-Jean (SLSJ), comme en témoigne le solde migratoire négatif de 15 %. Au-delà des constats basés sur le bilan migratoire, la compréhension des déplacements de population nécessite une analyse des caractéristiques des individus qui ont l’intention de migrer avant qu’ils ne quittent leur région. L’analyse discriminante est utilisée ici pour déterminer les facteurs associés à l’intention de migrer d’un échantillon stratifié de 1901 élèves du secondaire du SLSJ. Les résultats confirment que davantage de filles que de garçons préféreraient vivre à l’extérieur du SLSJ une fois leurs études terminées et montrent que les aspirations scolaires, les relations familiales et les comportements des jeunes qui ont l’intention de migrer se différencient nettement selon le sexe. Cette étude met en évidence la prépondérance des dimensions psychosociale et culturelle eu égard à l’intention de migrer des jeunes du SLSJ, et la nécessité de tenir compte du genre pour saisir les tenants et aboutissants de la migration des jeunes des régions périphériques du Québec.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".