Le vieillissement de la population et la décroissance démographique en milieu rural : un défi pour le développement territorial des petites localités du Québec
Bibliographic record
Abstract
Le Québec est la troisième province qui a été la plus affectée par le vieillissement de sa population entre 1986 et 2016. En outre, le phénomène tend à s’accentuer avec la réduction de la taille démographique des localités, si bien que les plus petites apparaissent les plus concernées par cette réalité qui se voit amplifiée par la diminution de la proportion des moins de 24 ans. Le but de cet article est d’identifier les petites localités rurales nécessitant une intervention au moyen d’une typologie construite à partir de diverses caractéristiques démographiques. Cette typologie permettra, par la suite, de proposer quelques pistes en vue de favoriser un aménagement plus harmonieux du territoire. Le modèle de développement territorial intégré sert de cadre théorique à l’analyse. Les résultats reflètent une situation inquiétante notamment au sein de 81 petites localités qui réclament des actions en vue de redresser leur démographie et de favoriser une meilleure occupation du territoire.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".