Classes moyennes au Maroc : au-delà des perceptions, que disent les chiffres?
Bibliographic record
Abstract
L'idée d'un effitement de la classe moyenne au Maroc est fréquemment évoquée, suggérant une concentration croissante des richesses entre une classe aisée en expansion et des catégories moins favorisées, ce qui traduirait une polarisation accrue. Toutefois, cette perception n'avait pas encore été validée empiriquement. Cette étude propose une analyse de l'évolution de la classe moyenne entre 2012 et 2019, en s'appuyant sur les données des deux vagues de l'Enquête Panel de l'ONDH et sur une définition opérationnelle rigoureuse de la classe moyenne. L'approche mobilisée combine des indicateurs de pauvreté, d'inégalités et de polarisation afin d'évaluer objectivement cette dynamique. Les résultats ne montrent pas de rétrécissement significatif de la classe moyenne, que ce soit au niveau national ou selon le milieu de résidence. De plus, la période étudiée se caractérise par une croissance pro-pauvres, indiquant une amélioration relative des conditions de vie tant pour les ménages les plus modestes que pour une part importante de la classe moyenne. Ces conclusions remettent donc en question la perception d'une classe moyenne en déclin et soulignent l'importance de poursuivre les analyses basées sur des données récentes et probantes pour éclairer les débats sur la structure sociale du Maroc et son évolution.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".