Les travailleurs pauvres dans la RMR de Montréal : profil statistique et distribution spatiale. Rapport abrégé.
Bibliographic record
Abstract
Dans le contexte d’un relatif renouveau économique et du maintien des inégalités socio-spatiales, il apparaît [...] important d’étudier comment le travail pauvre [...] a évolué [à Montréal], quelles populations de travailleurs sont les plus touchées par le phénomène et comment les travailleurs pauvres se distribuent dans l’espace de la région montréalaise. Pour répondre à ces interrogations, la présente étude se base sur des données de recensement pour la période 2001-2006 et sur des données de l’Agence du revenu du Canada pour la période 2006-2012. Son originalité est qu’elle est menée dans le cadre d’un partenariat de recherche (le Partenariat de recherche sur les quartiers en transition – PRQT) financé par le CRSH et dont l’objet est l’étude de l’évolution sur une longue période des inégalités de revenu et de leurs effets sur les villes canadiennes. Les bases de données du Partenariat fournissent ainsi l’accès à plusieurs échelles géographiques. La présente étude tire largement avantage de cette caractéristique particulière attachée aux données. Elle repose sur une définition du travail de pauvre [...] dont le principal objectif est de cibler les personnes dont les revenus dépendent principalement de leur participation au marché de l’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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.011 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".