Entretien avec Rachel Margolis sur les tendances en matière de divorce au Canada
Bibliographic record
Abstract
(10 février 2020) Les familles canadiennes ont considérablement évolué au fil des générations, et ce fut également le cas pour les modèles d’union (p. ex. : le mariage, la vie en union libre) et de désunion (p. ex. : la séparation et le divorce) qui touchent les familles et leur bien-être. Bien qu’un nombre de plus en plus important de recherches sur la famille documentent l’impact que le divorce peut avoir sur les individus et leur famille, notre compréhension de cette évolution a été grandement affectée par le manque de données statistiques sur l’état civil accessibles au public au cours de la dernière décennie au Canada. Rachel Margolis, Ph. D., professeure agrégée au sein du Département de sociologie de l’Université Western Ontario et panéliste lors de la Conférence sur les familles au Canada 2019, s’est entretenue avec Nathan Battams, gestionnaire des communications de l’Institut Vanier, afin de discuter de l’évolution du paysage des données au Canada, un sujet qu’elle évoque dans sa récente étude publiée dans Demographic Research portant sur les récentes tendances en matière de divorce et l’utilisation des données administratives pour combler le manque de données sur le divorce.
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 | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.011 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 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".