La géographie des disparités économiques au sein des localités du Canada atlantique : une étude comparative au cours de la période 1981–2006
Bibliographic record
Abstract
En dépit de ses nombreux éléments de similitude liés notamment à la faiblesse de l’armature urbaine, à une économie fortement orientée vers la mise en valeur des ressources et à une démographie qui peine à se renouveler, le Canada atlantique se présente comme un milieu fort hétérogène. Cette diversité entraîne des niveaux différents de développement selon les endroits. Bien que, de façon générale, les disparités économiques aient eu tendance à s’atténuer au cours des 25 dernières années, il n’en demeure pas moins que plusieurs localités sont aux prises avec des problèmes aigus d’emploi et de faibles niveaux de revenu. Le but de cet article est de dégager l’évolution des disparités économiques au sein des quatre provinces atlantiques entre 1981 et 2006. L’analyse, qui porte sur les 752 subdivisions de recensement de ce territoire, est effectuée à partir de quatre variables clés dans l’étude des disparités. Celles-ci sont examinées en considérant diverses catégories de milieux, établies en fonction de leur taille démographique. Un indice composite conduit à la construction de typologies permettant de mettre en évidence différents niveaux d’évolution.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.008 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".