Enquête auprès des peuples autochtones, 2017 [Canada]
Bibliographic record
Abstract
L'EAPA de 2017 est une enquête nationale sur les Premières Nations vivant hors réserve, les Métis et les Inuits de 15 ans et plus. L'EAPA de 2017 constitue le cinquième cycle de l'enquête et met l'accent sur les compétences transférables, la formation pratique, l'utilisation des technologies de l'information, la connaissance des langues autochtones et la participation à l'économie canadienne. L'EAPA de 2017 a recueilli des données uniques et détaillées sur l'emploi, l'éducation et la santé qui ne peuvent être obtenues d'aucune autre source. À titre d'exemple, bien que le Recensement de la population de 2016 ait recueilli des données portant sur certains aspects de la participation au marché du travail, l'EAPA de 2017 aborde des sujets additionnels tels que la satisfaction à l'égard de l'emploi, les emplois multiples, les liens avec l'emploi précédent et la volonté de déménager afin d'améliorer ses perspectives de carrière. L'EAPA fournit des données statistiques importantes pour l'élaboration de politiques et la programmation d'activités qui ont pour but d'améliorer le bien-être des peuples autochtones. Elle constitue une source de renseignements précieuse pour divers intervenants, y compris les organisations autochtones, les collectivités, les fournisseurs de services, les chercheurs, les gouvernements et le grand public. L'enquête est menée par Statistique Canada et est financée par trois ministères fédéraux : Services aux Autochtones Canada et Relations Couronne-Autochtones et Affaires du Nord Canada (anciennement Affaires autochtones et du Nord Canada), et Emploi et Développement social Canada.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.014 | 0.001 |
| Scholarly communication | 0.007 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.059 | 0.008 |
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".