Enquête sur la dynamique du travail et du revenu 1999 [Canada] : Fichier famille économique
Bibliographic record
Abstract
L'EDTR constitue une source importante de données sur le revenu des familles, des ménages et des personnes canadiennes. Depuis 1993, l'EDTR (comparativement aux enquêtes traditionnelles traitant de l'activité sur le marché du travail et du revenu) fournit une dimension de plus : les changements touchant des personnes ou des familles à travers le temps. Parmi les objectifs visés par l'enquête, on trouve le désir de comprendre le bien-être économique des Canadiens. L'EDTR fournit également des renseignements sur une vaste série de variables de capital humain, d'expériences liées au travail et de caractéristiques démographiques comme l'éducation, les liens entre les membres de la famille et la composition du ménage. Son contenu élargi, combiné à un échantillon relativement grand, en fait un ensemble de données unique et fort appréciable. En 2005 et 2006, des poids révisés ont été appliqués aux fichiers de données de l'EDTR pour la période de 1990 à 2003. Le dictionnaire de données ne sera pas mis à jour pour refléter ces changements. Par conséquent, les fréquences pondérées dans les fichiers de données, et non dans la documentation, sont exactes. Pour plus de renseignements, veuillez vous reporter à l'onglet 2.3.2 (révision historique de 2003).
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.017 |
| Science and technology studies | 0.011 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
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".