Recensement de la population, 2021 [Canada], Catégories SCIAN et CNP au Québec [Tableau personnalisé]
Bibliographic record
Abstract
Le Système de classification des industries de l'Amérique du Nord (SCIAN) est un système de classification des industries qui a été conçu par les organismes statistiques du Canada, du Mexique et des États-Unis. Créé avec comme toile de fond l'Accord de libre-échange nord-américain, le SCIAN vise à fournir des définitions communes de la structure industrielle des trois pays, ainsi qu'un cadre statistique commun pour faciliter l'analyse des trois économies. Le SCIAN est articulé autour des principes de l'offre ou de la production, afin de s'assurer que les données sur les industries qui sont classées en fonction du SCIAN se prêtent à l'analyse de questions liées à la production, comme le rendement industriel. La Classification nationale des professions (CNP) est une classification des professions conçue principalement pour être utilisée dans les programmes statistiques. Elle est également utilisée pour l’administration des programmes liés à l’emploi et pour compiler, analyser et communiquer des renseignements sur les professions, tels que des renseignements sur le marché du travail. L’information sur les professions est d’une importance cruciale pour la production de renseignements sur le marché du travail et les carrières, les prévisions sur les professions, l’analyse de l’offre et de la demande de main-d’oeuvre, l’équité en matière d’emploi, la formation professionnelle et le développement des compétences et de nombreux autres programmes et services. Elle fournit un cadre normalisé pour organiser le monde où le travail se fait contre rémunération ou de profit, dans un système gérable, compréhensible et cohérent.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.010 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.031 | 0.004 |
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".