Recensement de l'agriculture, 2011 [Canada]: Données sur les exploitations et les exploitants agricoles [B2020]
Bibliographic record
Abstract
Statistique Canada mène le Recensement de l'agriculture pour dresser le portrait statistique des exploitations et exploitants agricoles du Canada. Le recensement brosse aux utilisateurs un tableau complet des principales caractéristiques du secteur agricole et les renseignent sur la production des cultures nouvelles ou moins courantes, de bétail, des finances et de l'utilisation de la technologie. Ces données fournissent des données-repères pour le calcul des estimations et la détermination de la base de sondage pour les enquêtes sur l'agriculture. Cette information est également utilisée par Agriculture et Agro-alimentaire Canada, ainsi que par les gouvernements provinciaux pour l'élaboration, l'administration et l'évaluation des politiques agricoles, de même que par les universités et les industries agro-alimentaires à des fins de recherche et de planification. La Loi sur la statistique stipule qu'un recensement agricole a lieu à tous les cinq ans. Il fournit une perspective historique sur l'évolution de l'agriculture canadienne et des tendances du secteur au fil des ans. Clients : gouvernement fédéral, gouvernements provinciaux et territoriaux, administrations municipales; bibliothèques; établissements d'enseignement; chercheurs et universitaires; industries du secteur privé; associations de gens d'affaires et organisations syndicales; particuliers; groupes de pression.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.024 |
| Science and technology studies | 0.002 | 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) | 0.010 | 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".