Écart salarial et immigration au Canada et au Québec : causes et discrimination dans l’intégration socioprofessionnelle des immigrants économiques
Bibliographic record
Abstract
Ce texte porte sur l’étude de l’écart salarial au Canada, en particulier dans la province du Québec, entre les natifs et les immigrants, particulièrement les immigrants économiques, soit la catégorie dite des travailleurs qualifiés. Nous cherchons à expliquer l’augmentation constante de cet écart salarial. Nous constatons en effet une évolution de la proportion des immigrants au cours des deux dernières décennies, mais également une détérioration croissante de leur situation économique, comparativement à celle des natifs. Après avoir examiné le portrait statistique de la participation des immigrants au marché du travail, nous mettons en lumière l’impact de la discrimination dans l’explication de l’écart salarial entre les immigrants et les natifs, non sans revenir sur les autres causes génératrices de cet écart. Le niveau de scolarité des immigrants économiques, qui est reconnu comme supérieur à celui de la population en général, ne permet pas d’expliquer un rendement économique inférieur sur le marché du travail. Cet article révèle donc les facteurs explicatifs de l’écart salarial entre les immigrants et les natifs, mais permet aussi de relever que la notion d’immigrant est un bloc hétérogène à l’intérieur duquel certains groupes vivent des réalités particulières, notamment les minorités visibles et les femmes.
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 | 0.002 | 0.004 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
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".