Fichier de conversion des codes postaux [Canada], février 2021, Recensement de la population 2016
Bibliographic record
Abstract
Le Fichier de conversion des codes postaux (FCCP) est un fichier numérique qui permet d'établir un lien entre les codes postaux à six caractères fournit par la Société canadienne des postes (SCP) et les unités géographiques normalisées de Statistique Canada pour lesquelles les données du recensement et d'autres statistiques sont produites. Les liens entre les codes postaux et les unités géographiques normalisées font du FCCP un outil permettant d'intégrer des données de diverses sources. Pour obtenir le fichier de conversion des codes postaux ou pour des questions, consultez la personne-ressource IDD de votre établissement d'enseignement. Les coordonnées géographiques, qui représentent les régions géostatistiques normalisées appariées à chaque code postalMO dans le FCCP, sont généralement utilisées pour cartographier la distribution des données aux fins d’analyse spatiale (p. ex., les clients, les activités). Les renseignements sur la localisation s’avèrent un outil puissant aux fins de marketing, de planification ou de recherche. C’est en avril 1983 que le Centre de géomatique statistique a diffusé une première version du FCCP qui établissait un lien entre les codes postauxMO et les régions géographiques du Recensement de 1981 et comprenait des coordonnées géographiques. Depuis, le fichier a été actualisé de façon périodique afin de refléter les changements. Pour la présente édition du FCCP, la majorité des codes postauxMO ont été directement géocodés aux régions géographiques du Recensement de 2016, les autres étant couplés à l’aide de processus de conversion divers. Un indice de qualité reflétant la fiabilité de l’appariement est disponible dans le FCCP.
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
Direct model labels (unvalidated)
Per-model category and study-design labels from the labeling rounds. They are machine output, unvalidated, and the disagreement between models ships as data. No study design here is MEDLINE-validated yet.
| Model arm | Categories | Study design | Confidence |
|---|---|---|---|
| gemma | no category Domain: not available · Genre: Dataset About the Canadian research system: no · About a Canadian topic: yes | Not applicable | low |
| gpt | no category Domain: not available · Genre: Dataset About the Canadian research system: no · About a Canadian topic: yes | Not applicable | high |
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.008 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.022 | 0.005 |
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, unvalidatedLabeled directly by 2 models reading the full record.
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".