Enquête canadienne sur l’utilisation de l’Internet 2018
Bibliographic record
Abstract
L'Enquête canadienne sur l'utilisation de l'Internet de 2018 vise à mesurer l'impact des technologies numériques - en particulier d'Internet - sur la vie des Canadiens. Les renseignements recueillis aideront à mieux comprendre comment les personnes utilisent Internet, les téléphones intelligents et les sites et applications de réseaux sociaux, notamment l'intensité de leur utilisation, la demande relative à certaines activités en ligne et les interactions en ligne. Les données qui ressortiront de l'enquête fourniront des données probantes pour l'élaboration de politiques, la recherche et l'élaboration de programmes et permettront la comparabilité internationale de l'utilisation de la technologie numérique. L'enquête est financée par d'autres ministères fédéraux sur une base ponctuelle. Innovation, Science et Développement économique (ISED) Canada est le commanditaire du cycle 2018 de l'enquête, en raison de la nécessité de mesurer l'économie numérique et du financement fourni dans le cadre du budget de 2017. L'ECUI de 2018 s'appuie sur le cycle précédent de l'ECUI, qui a été menée pour la dernière fois en 2012. L’édition 2018 a été remaniée et modernisée pour mesurer une vaste gamme de comportements en ligne, considérant le rythme rapide auquel la technologie Internet a évolué.
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 | 0.010 | 0.032 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.016 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.014 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.047 | 0.011 |
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".