Bibliographic record
Abstract
L’image démographique et linguistique de la société québécoise est en constante évolution depuis de nombreuses années et les questions du vieillissement et de la problématique linguistique sont au centre des préoccupations du gouvernement québécois. Le caractère atypique de cette province francophone entourée de territoires anglophones lui a valu d’être le sujet de nombreuses études. L’objectif de ce mémoire est d’analyser les différences dans le vieillissement démographique de chacun des groupes linguistiques ainsi que les effets de l’âge sur la mobilité linguistique. La variable « âge » sera au cœur de notre étude. Les données des recensements canadiens de 1971 et 2006 ont été analysées afin d’obtenir, pour chacun des groupes linguistiques, les différents indicateurs du vieillissement démographique tels que l’âge moyen, le rapport de dépendance et l’indice de remplacement. De cette analyse descriptive, il en résulte que le vieillissement démographique affecte différemment chacun des groupes linguistiques montrant également qu’en plus d’être le groupe le plus vieux, le groupe francophone est celui qui vieillit le plus vite. Le thème de la mobilité linguistique est également abordé, amenant à la conclusion que la grande majorité des transferts linguistiques est réalisée durant l’enfance et qu’ils sont négligeables voire inexistants après 40 ans. De façon générale, cette mobilité linguistique reste faible et son impact sur la vitesse de vieillissement des groupes linguistiques est marginal.
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 | 0.002 | 0.004 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".