Tentative de mesure de l’influence des méthodes de projection des migrations de population
Bibliographic record
Abstract
Les résultats des perspectives de population varient surtout en fonction des hypothèses choisies, mais aussi en fonction de la « méthode de traduction » de ces hypothèses. Une hypothèse formulée de façon générale peut en effet être traduite concrètement par des indices différents : le choix de ces indices a sa part d’influence sur les résultats obtenus, sans que cette influence soit nécessairement recherchée ou même soupçonnée. L’objet du présent travail est précisément de mesurer dans un exemple concret l’effet sur les résultats de l’emploi de techniques différentes pour projeter la même hypothèse. L’exemple choisi est celui des migrations dans les territoires des commissions scolaires de la région de Montréal. L’hypothèse générale est que les migrations se produisent jusqu’en 1986 comme entre 1966 et 1971. Les migrations entre 1966 et 1971 ont d’abord été exprimées de quatre façons différentes : soldes migratoires, taux d’accroissement migratoire, soldes migratoires interne et externe et flux migratoires. Ces quatre expressions des migrations sont à la base des quatre techniques employées pour projeter les migrations jusqu'en 1986. Les résultats généraux ne sont pas fondamentalement différents. C’est par groupe d’âge que des écarts non négligeables se manifestent. C’est en particulier la méthode la plus longue d’application qui donne les résultats les plus différents. (1) Ce texte est un résumé sélectif et un prolongement de Influence des méthodes de perspectives de population sur les résultats : l’exemple des migrations à Montréal, Mémoire de maîtrise, décembre 1977.
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 | 0.156 | 0.403 |
| Meta-epidemiology (narrow) | 0.005 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.006 |
| Bibliometrics | 0.007 | 0.005 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.004 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.010 | 0.004 |
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".