L’association entre la région d’origine et l’état de faible revenu au Canada
Bibliographic record
Abstract
Notre recherche comporte un double objectif. D’une part, il s’agit de déterminer si la région d’origine a des conséquences sur la relation entre l’état de faible revenu et ses déterminants au Canada. D’autre part, il est question du poids que représentent ces déterminants dans l’explication de la probabilité de se trouver dans un état de faible revenu. Nous cherchons à comprendre s’il existe des différences, selon l’appartenance à la population immigrante issue des pays non traditionnels, à la population immigrante issue des pays traditionnels ou à la population native, quant à la probabilité d’être dans un état de faible revenu au Canada. Également, nous avons accordé une attention particulière à la province de Québec, où nous comparons la situation des immigrants au Québec avec celle des immigrants en Ontario. Nos résultats, basés sur les données de l’Enquête nationale auprès des ménages (ENM) de 2011, soutiennent qu’effectivement l’association entre les déterminants retenus et la probabilité de connaître l’état de faible revenu varie entre les immigrants et les natifs ainsi qu’entre les immigrants selon leur région d’origine. C’est surtout chez les immigrants issus des pays non traditionnels que la probabilité d’être dans un état de faible revenu est augmentée par rapport aux natifs. Dans un autre ordre d’idées, les immigrants au Québec sont plus exposés à se trouver dans un état de faible revenu que les immigrants en Ontario. Plus encore, les caractéristiques des immigrants au Québec n’expliquent que 23 % de l’écart avec les immigrants en Ontario. Ce pourcentage est de 32,5 % dans le cas des immigrants issus des pays non traditionnels. Une grande partie de l’écart entre les immigrants des deux provinces est due aux facteurs non observables.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".