Enquête auprès des peuples autochtones, raisons pour faire la fabrication de produits artisanaux, selon le groupe d'âge et sexe, population inuite âgée de 15 ans et plus, Canada et Inuit Nunangat
Bibliographic record
Abstract
Ce tableau contient 5376 séries, avec des données pour les années 2012 - 2012 (il n'y a pas nécessairement de données pour toutes les années pour l'ensemble des combinaisons). Ce tableau contient des données telles que décrites par les dimensions suivantes (Les combinaisons ne sont pas toutes disponibles) : Géographie (7 éléments : Canada; Inuit Nunangat; Nunatsiavut; Nunavik; ...) Groupe d'âge (4 éléments : Total, 15 ans et plus; 15 à 24 ans; 25 à 54 ans; 55 ans et plus) Sexe (3 éléments : Les deux sexes; Homme; Femme) Fabrication de produits artisanaux (16 éléments : Total, a fabriqué des vêtements ou des chaussures au cours de la dernière année; A fabriqué des vêtements ou des chaussures au cours de la dernière année; A fabriqué des vêtements ou des chaussures au cours de la dernière année pour le plaisir ou comme loisir; A fabriqué des vêtements ou des chaussures au cours de la dernière année pour son propre usage ou celui de sa famille ou pour compléter son revenu; ...) Statistiques (4 éléments : Nombre de personnes; Pourcent; Limite inférieure de l'intervalle de confiance de 95 %; Limite supérieure de l'intervalle de confiance de 95 %).
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.030 | 0.004 |
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".