Dans « l’AVEC COVID-19 », mieux vaux investir que soutenir (Partie 1/2)
Bibliographic record
Abstract
Des mesures radicales en santé publique ont été imposées pour maîtriser la pandémie de la COVID-19 et empêcher l’éclatement du système de santé, en même temps que des programmes extraordinaires de soutien du revenu pour les particuliers et les entreprises sont devenus indispensables afin d’éviter que la récession ne se transforme en dépression. En ce début de déconfinement, peut-on envisager la fin de ces programmes d’aide au cours des prochains mois ? Quelles sont les conditions pour « débrancher » l’économie canadienne de ce respirateur artificiel ? Quel sera l’impact sur l’économie si certains programmes sont éliminés, ou réduits ou modifiés? La difficulté de répondre à ces questions tient à leur complexité, complexité qui découle des effets de la superposition de quatre chocs que vient de subir le Canada, à l’instar d’autres pays victimes de la pandémie. En fait nous faisons face à quatre crises. La deuxième partie de cet article est disponible ici.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 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".