La différentiation des revenus du travail en fonction des groupes linguistiques au Québec, 2001
Bibliographic record
Abstract
1.0 2.0 REVUE DE LA LITTÉRATURE Plusieurs approches peuvent être préconisées lorsque l'on utilise la langue comme caractéristique économique.L'approche de l'attribut ethnique, développée par Raynauld et Marion 2 , évoque que la langue maternelle d'un individu traduit sont appartenance à un groupe ethnolinguistique.Un groupe linguistique peut ainsi être dominant ou dominé.Il peut également pratiquer la discrimination ou la faire subir.L'appartenance à un groupe linguistique est utilisée comme facteur de choix par les employeurs.Il est à noter que cette approche néglige le fait que la langue est aussi un moyen de communication.L'approche monnaie et échange compare les échanges entre groupes linguistiques aux échanges de biens et services entre pays.Les obstacles linguistiques sont entre autre comparés aux coûts de transport et aux tarifs douaniers 3 .L'approche du capital humain est possiblement celle qui a le plus marqué les économistes de l'Amérique du Nord sur les questions linguistiques.Dans cette approche, la langue est traitée comme une caractéristique des individus, tout comme la scolarité et l'expérience.La langue se distingue toutefois des autres caractéristiques en ce sens qu'il s'agit d'un bien collectif; plus le nombre de personnes parlant une langue est important, plus la valeur de cette langue est grande (en autre pour des fins d'échange).L'approche de l'attribut ethnique et du capital humain, mise de l'avant par Vaillancourt 4 , considère la langue à la fois comme un attribut ethnique, qui détermine totalement ou partiellement l'appartenance à un groupe ou à une société, et comme un type de capital humain qui permet de communiquer et d'acquérir d'autres formes de capital humain.La langue qu'un individu préfère utiliser est donc considérée comme un attribut ethnique et un capital humain tandis que toute autre langue maîtrisée est uniquement considérée comme un capital humain.D'autre part, plusieurs études traitent de la différenciation de la rémunération en fonction des attributs linguistiques.Une synthèse de quelques unes de ces études est présentée dans les lignes qui suivent. 2
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 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".