DETERMINANTES SOCIAIS DA SAÚDE DE MINORIAS LINGUÍSTICAS: ANÁLISE COMPARATIVA SOBRE O NÍVEL DE RENDA E EDUCAÇÃO DE POPULAÇÕES FRANCÓFONAS IDOSAS NA PROVÍNCIA DE ONTÁRIO, CANADÁ
Bibliographic record
Abstract
O envelhecimento populacional, o aumento da proporção de pessoas com 65 anos ou mais na população geral, é um fenômeno global e se intensificará ainda mais. Tal realidade representa um desafio à sociedade no que diz respeito às condições de vida, mais especificamente à saúde dessas populações. Os determinantes sociais da saúde, definidos em termos gerais como as condições de vida e trabalho da população, é um conceito importante nessa discussão. Insegurança financeira, baixos níveis de educação, moradia inadequada, isolamento, solidão, entre outras, são exemplos de elementos que compõem essa complexa realidade. Tal condição de vida precária tende a se manifestar de forma mais intensa em um contexto de minoria linguística. O Canadá possui oficialmente duas línguas, porém os francófonos são considerados minoria linguística em todo o território canadense, exceto na província de Quebec. O objetivo deste estudo é analisar a desigualdade entre os níveis de renda e educação de idosos francófonos em situação minoritária linguística, em relação aos idosos anglófonos em Ontário, Canadá, a partir de dados do Censo canadense de 2016.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.007 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 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".