Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Cet article propose une méthode d’estimation des substitutions linguistiques basée sur le principe de la cohorte fictive et de l’analyse de survie. À partir des données d’un seul recensement, cette méthode permet d’obtenir des taux de substitution linguistique pour différents groupes de population au Canada (selon la langue transmise à la naissance, le statut d’immigrant, l’âge à l’immigration, le niveau d’études) et pour toutes les régions concernées du pays. La robustesse de la méthode est validée en comparant les résultats obtenus à partir des recensements canadiens de 1991, 1996, 2001 et 2006. Les taux de substitution linguistique selon l’âge ou la durée d’immigration sont robustes dans le temps, mais varient significativement selon les groupes de population. Ils sont très faibles chez les immigrants allophones de première génération arrivés au Canada à l’âge adulte, mais peuvent atteindre 90 % dans la seconde génération. Ces taux varient peu d’une région à l’autre du Canada pour les allophones, mais davantage pour les minorités de langue officielle, atteignant dans certains cas des taux comparables à ceux de la seconde génération d’immigrants allophones. Au Québec, où le français et l’anglais constituent deux langues de convergence pour les allophones, la hausse des substitutions linguistiques effectuées vers le français est largement tributaire des changements dans la composition ethnolinguistique de l’immigration.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 it