Les Québécois et les rouages de l'économie québécoise
Bibliographic record
Abstract
Questionnés sur leurs connaissances factuelles de l'économie, les Québécois obtiennent un taux de bonne réponse d'environ 33 %. Cette performance n'est pas différente de celle mesurée aux États-Unis dans des études comparables. Les Québécois sont pourtant nombreux à désirer mieux connaître et comprendre leur économie alors que près de 84 % des répondants à une enquête se déclaraient personnellement intéressés à regarder une émission de télévision qui aurait pour objectif d'expliquer la manière dont fonctionne l'économie. La télévision est la principale source d'information sur l'économie pour 88 % des répondants. Selon les auteurs de l'étude « Les Québécois et les rouages de l'économie québécoise », Jim Engle-Warnick et Claude Montmarquette : « Il y a une volonté chez les Québécois de connaître davantage les rouages de leur économie, mais l'acquisition de ces connaissances n'est pas aisée. Des efforts d'information et d'éducation économique devront être faits. » Cette enquête se distingue d'un sondage régulier sur les connaissances économiques parce qu'elle tente d'identifier par diverses méthodes statistiques les facteurs déterminants à l'accumulation de connaissances sur l'économie québécoise et à la demande pour de l'information économique. La version intégrale de ce rapport sera disponible sous peu.
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 | 0.002 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.028 | 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".