Montréal, le Québec, le Canada : numérique à quel point ?
Bibliographic record
Abstract
Intelligence artificielle, 5G, véhicules autonomes, réalité augmentée… L’accélération des nouveaux usages du numérique est continue depuis la première bulle internet de la fin des années 1990. Dans le cadre de notre activité de laboratoire d’idées (think tank) sur la transition écologique et sobre en carbone, il nous paraît donc important de déterminer si les technologies de l’information et de la communication (TIC) seront un frein ou un atout pour décarboner l’économie et limiter l’impact sur les écosystèmes d’une manière générale. Nous avons lancé en avril 2020 le projet "DiagnosTIC" pour quantifier ces impacts. Nous souhaitons nous limiter à une étendue locale (Québec, Canada), de nombreux rapports publics sur les impacts mondiaux du numérique ayant déjà fleuris dans les dernières années, avec entre autres l’étude de GreenIT ou les 3 rapports Lean ICT de l’ONG française The Shift Project. Pour pouvoir mener cette étude locale, il nous est apparu essentiel dans un premier temps de dresser le portrait le plus fidèle possible des TIC au Québec et au Canada : cartographier le numérique dans cette zone géographique, caractériser les différents aspects des TIC utilisées et les mettre en perspective selon les régions pour donner une vue d’ensemble de l’intensité de la présence de ces technologies au niveau provincial et fédéral. Ce rapport est donc la première étape du projet "DiagnosTIC" mené par Les Shifters Montréal, et ne vise aucunement à être exhaustif dans son état des lieux des TIC. Il pourra par contre servir de référence pour quiconque souhaite accéder à des informations quantitatives ou générales sur la question, mais aussi de recueil bibliographique (autres rapports, études, articles, etc.) présentant de nombreuses sources récentes.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.041 | 0.003 |
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".