Comportement linguistique des immigrants allophones et caractéristiques du quartier de résidence, région métropolitaine de recensement de Montréal, 2006
Bibliographic record
Abstract
Les immigrants allophones qui s’établissent dans la région métropolitaine de recensement (RMR) de Montréal sont vraisemblablement confrontés à la concurrence qui y existe entre le français et l’anglais. À l’aide de données agrégées du recensement canadien de 2006, nous explorons le rôle que pourrait jouer l’environnement linguistique résidentiel dans l’adoption de deux comportements linguistiques; le transfert linguistique vers le français ou l’anglais et la connaissance des langues officielles chez ceux n’ayant pas effectué de transfert, tout en tenant compte de leurs caractéristiques individuelles. Des liens initiaux existent entre la composition linguistique des 56 quartiers de la RMR et les comportements linguistiques des immigrants allophones. De plus, des caractéristiques individuelles similaires mènent à des orientations linguistiques similaires. Sans séparer ces deux effets, des régressions linéaires nous permettent de croire que la connaissance de l’anglais et/ou du français n’est pas déterminée par la composition linguistique du quartier, alors que cette dernière ne peut être écartée lorsque nous analysons la langue d’usage à la maison (transferts).
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 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".