Enquête nationale sur les voyages, 2022: Fichier de visite [Canada]
Bibliographic record
Abstract
L'Enquête nationale sur les voyages (ENV) a été élaborée pour remplacer entièrement l'Enquête sur les voyages des résidents du Canada (EVRC numéro d'enregistrement 3810) et pour remplacer la composante des résidents canadiens de l'Enquête sur les voyages internationaux (EVI numéro d'enregistrement 3152). L'Enquête nationale sur les voyages recueille des renseignements concernant les voyages intérieurs et internationaux des résidents du Canada. L'Enquête nationale sur les voyages fournit des statistiques sur les activités des résidents du Canada en ce qui a trait au tourisme intérieur et international. Elle a été élaborée pour mesurer le volume des activités, les caractéristiques et les répercussions économiques du tourisme. Pour le Système de la comptabilité nationale, l'enquête mesure l'ampleur des voyages intérieurs au Canada, du point de vue de la demande. Chaque mois, trois fichiers maîtres (ou ensembles) de données sont créés : un fichier personne, un fichier voyage et un fichier visite. Lorsque le FMGD est créé, les fichiers personnes, les fichiers voyages et les fichiers visites sont agglomérés ensemble pour créer des fichiers annuels pour chacuns. L'ensemble de données des visites présente des renseignements sur les régions visitées par les voyageurs, que celles-ci aient constitué la destination principale ou un arrêt d'une nuit au cours duvoyage. Ce fichier des visites renferme, outre les renseignements sur les visites, des données sur les dépenses réallouées des ménages. Le concept de visite sert à déterminer le nombre de visites-personnes pour un lieu donné. Le fichier des visites contient au moins deux enregistrements de visites effectuées dans le cadre de chacun des voyages-personnes apparaissant dans le fichier des voyages (origine et destination).
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 | 0.001 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.005 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".