Situation des Autochtones urbains au Canada: estimation de la discrimination
Bibliographic record
Abstract
Les problèmes sociaux, financiers et familiaux vécus par les Autochtones ont des conséquences majeures sur l'économie publique canadienne. Les études sont néanmoins déficientes concernant les Autochtones vivant dans de grands centres urbains. Dans ce mémoire, nous tentons de quantifier, à partir du revenu, la discrimination envers les Autochtones vivant dans une grande ville canadienne. Le but principal est à savoir s'il existe une discrimination envers les Autochtones qui peut expliquer l'écart dans le revenu par rapport aux autres canadiens. Pour tenter d'évaluer cette discrimination potentielle, nous utilisons des méthodes d'appariements ainsi que différentes variantes de la décomposition Oaxaca-Blinder. À partir de notre échantillon de 5115 individus, dont 2614 Autochtones, les résultats indiquent que l'écart dans le revenu des Autochtones et des Non-autochtones est expliqué à 72,2% (Décomposition Oaxaca-Blinder de Base), 49,2% (Décomposition Oaxaca-Blinder avec pondération Reimers) et 50,9% (Décomposition Oaxaca-Blinder détaillée et pooled) par la composante captant la différence dans les caractéristiques observables, alors que le reste est expliqué par des rendements marginaux inférieurs sur les caractéristiques observables, qui peut aussi correspondre à de la discrimination. Les résultats suggèrent donc la présence de discrimination envers les Autochtones qui serait supérieure à celle que vivent les femmes sur le marché du travail.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".