Bibliographic record
Abstract
Au Canada, quelque 7,1 millions de grands-parents et d’arrière-grands-parents procurent un apport unique, diversifié et précieux aux familles et à la société, entre autres par leur mentorat, leur rôle d’éducateurs et leur savoir-faire, ou en tant que dépositaires de la mémoire familiale. À l’instar de la population canadienne, le groupe démographique des grands-parents connaît un vieillissement rapide qui suscite certaines préoccupations dans les médias et l’opinion publique quant à l’impact éventuel de ce « tsunami gris ». Toutefois, même s’il gagne en âge, le groupe des grands-parents serait en meilleure santé qu’il y a 30 ans si l’on se fie aux statistiques dans ce domaine. Il s’agit là d’une tendance éventuellement favorable aux familles, puisque la bonne santé des grands-parents leur permet de mieux contribuer à la vie de famille et d’aider les plus jeunes générations à assumer diverses responsabilités familiales, comme les soins aux enfants et le budget du ménage. L’amélioration de la santé des grands-parents leur permet de mieux contribuer à la vie de famille et d’aider les plus jeunes générations à assumer leur diverses responsabilités familiales.
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 | 0.002 |
| Science and technology studies | 0.007 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 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".