Bibliographic record
Abstract
Au courant de ma thèse, je tente de répondre à la question de recherche suivante : qu’est-ce qui distingue les jeunes universitaires qui participent lors des élections fédérales canadiennes des jeunes universitaires qui ne participent pas? Je propose l’hypothèse que les jeunes universitaires qui participent lors des élections ont des réseaux sociaux plus politisés que les jeunes qui décident de ne pas participer. Suite à la distribution d’un sondage auprès des étudiants et étudiantes de l’Université d’Ottawa, j’ai effectué une série de statistiques descriptives, de tests du khi carré et deux régressions logistiques binaires (une régression utilisant un codage ordinal et une régression utilisant un codage de variables muettes). Ces régressions contrôlent le genre, la langue de préférence, l’année d’étude, l’habitation avec les parents au courant de l’année scolaire, la lecture des nouvelles, l’intérêt en politique, les connaissances en politique, et la fréquence des conversations au sujet de l’élection avec ses parents et ses ami(e)s. Cette analyse démontre des résultats intéressants, notamment que l’influence des parents est plus importante que l’influence des ami(e)s en ce qui concerne la participation électorale des jeunes universitaires.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.006 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".