Estimation des tendances de l’engagement dans les associations volontaires au cours des dernières décennies au Québec et au Canada anglais1
Bibliographic record
Abstract
Étant donné la rareté des données sur les tendances passées de l’engagement dans les associations volontaires au Québec et au Canada anglais, nous proposons une méthode d’estimation de ces tendances. C’est une méthode qui repose sur la comparaison de données fournies par des répondants au sujet de leurs expériences à une étape particulière de leur vie, c’est-à-dire pendant leurs années d’études. Nous disposons de données provenant de telles questions posées à un important échantillon d’adultes de tous les âges lors d’une enquête de la fin des années 1990. En les comparant aux expériences de jeunesse de différentes cohortes d’âge, nous sommes en mesure de « remonter » le temps pour obtenir des renseignements couvrant plusieurs décennies passées. Les résultats obtenus pour le Québec et pour le Canada anglais démentent la thèse voulant que l’engagement dans les associations volontaires soit en baisse en Amérique du Nord depuis les années 1960. Il n’y a qu’une seule exception, la participation à des groupes religieux.
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 | 0.010 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".