Bibliographic record
Abstract
Dans le contexte de la baisse de fécondité dans les pays développés, les milieux de la recherche et des politiques publiques s’intéressent à la question de savoir si la procréation médicalement assistée (PMA) peut s’avérer être un outil efficace pour prévenir le déclin démographique. Selon Statistiques Canada, le taux de fertilité agrégé a atteint son niveau le plus bas en 2022 au Canada, avec 1,33 enfant par femme. Au Québec, ce taux était de 1,49 en 2022, un des niveaux les plus bas enregistrés depuis 2002. Plusieurs études ont montré que l’expansion de l’éducation supérieure représente une des raisons principales du déclin de la fertilité et du report des naissances. En moyenne, les femmes choisissent de s’éduquer plus longtemps et reportent la maternité à un âge où leur fertilité est plus basse. D’autres raisons biologiques semblent contribuer à la baisse de la fertilité avec l’émergence de conditions de santé qui limiteraient la fertilité chez les femmes (endométriose, troubles endocriniens) et chez l’homme (baisse du nombre et de la qualité des spermatozoïdes). Dans cette étude, l’auteure propose un modèle théorique normatif de taxation non linéaire afin d’établir quelles sont les conditions sous lesquelles un gouvernement, tel que celui du Québec, aurait intérêt à intervenir dans le financement de la PMA. Le cas échéant, il s’agit de déterminer sous quelles formes l’État devrait intervenir et quels groupes de la population devraient être privilégiés.
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 | 0.008 | 0.022 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 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".