L’inégalité, la pauvreté et l’intégration économique des immigrants au Canada depuis les années quatre-vingt-dix
Bibliographic record
Abstract
Le changement de la composition ethnique et sociale des immigrants combiné à une segmentation du marché du travail et à un nouvel environnement économique depuis les années quatre-vingt conduit à une nouvelle inégalité des chances sur le marché du travail et à des disparités de performance économique des immigrants. Une partie d’entre eux ne peuvent s’extraire de la pauvreté. À partir de données de recensements, la présente étude vise à analyser ces différentes formes d’inégalité et à en préciser les sources parmi les migrants originaires des pays du Sud au Canada depuis les années quatre-vingt-dix. Une discrimination apparaît à travers un niveau de revenu inférieur à celui des autres groupes et une inégalité de revenu plus importante. Par ailleurs, le rendement du capital humain de ces immigrants a diminué entre 1996 et 2006. Enfin, l’analyse souligne le rôle important de l’emploi et des revenus du travail dans l’augmentation du niveau de vie des immigrants. Les politiques visant à améliorer le bien-être social et l’insertion des immigrants doivent donc se centrer sur l’amélioration du niveau de revenu et l’augmentation du taux d’emploi.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".