Point de vue sur l'accessibilité aux données des administrations publiques
Bibliographic record
Abstract
(in French) Cet article dresse un portrait de l'accessibilité des données des administrations publiques en portant une attention particulière aux données fiscales, ainsi qu€'aux données des deux plus grands postes de dépenses du gouvernement du Québec, soit la santé et l'éducation. Nous ne sommes certainement pas les premières à parler du potentiel des données de source administrative : nommons, parmi d'autres, les écrits de Card et al. (2010), Einav et Levin (2014), Statistique Canada (2009) et Connelly et al. (2016). Les vertus de l'€™analyse quantitative pour outiller les décideurs étaient déjà mises de l'€™avant par Amos Tverysky et Daniel Kahneman (prix Nobel d'économie) il y a de cela 40 ans. Mais notre contribution ici est de présenter le point de vue des chercheurs québécois et discuter de leur accès aux données des administrations publiques canadiennes et québécoises. Dans ce point de vue, nous mettons l'accent sur les microdonnées administratives anonymisées sur les individus. Les données agrégées sont plus facilement accessibles, mais ces données ne permettent pas de répondre à un vaste ensemble de questions permettant de mieux comprendre le fonctionnement de notre société. Ce point de vue dresse l'état de nos connaissances sur le sujet à l'€™heure d'écrire ces lignes sachant très bien que l'accès aux données évolue en continu à travers le Canada, et que nous ne sommes pas en mesure de couvrir l'ensemble des initiatives à travers chaque province. Abstract (in English, working paper is in French) This paper gives a snapshot of the accessibility of administrative data, in particular fiscal data and data from the two largest components of the budget of the government of Québec, health and education.
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 | 0.110 | 0.322 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.022 | 0.024 |
| Science and technology studies | 0.008 | 0.011 |
| Scholarly communication | 0.024 | 0.017 |
| Open science | 0.003 | 0.010 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".