Hériter au Canada : portrait des tendances entre 2005 et 2019
Bibliographic record
Abstract
Cadre de la recherche : La contribution grandissante de l’héritage aux inégalités sociales dans plusieurs pays stimule la recherche sur la manière dont se déroule cette transmission au sein des familles. Pourtant, très peu d’études ont été menées sur le sujet en contexte canadien.Objectifs : Cette recherche étudie dans quelle mesure les familles canadiennes bénéficient de l’héritage en fonction de leur position sociale. Elle vise aussi à étudier les tendances temporelles propres au phénomène, ainsi que les facteurs explicatifs des changements observés. Méthodologie : À l’aide des données de l’Enquête sur la sécurité financière de 2005, 2012, 2016 et 2019, des régressions sont menées pour étudier les chances de réception d’un héritage, ainsi que leur valeur, en fonction des caractéristiques des ménages et de l’année de l’enquête.Résultats : Les familles au statut socio-économique plus élevé ont plus de chances de recevoir un héritage, généralement d’une plus grande valeur. Une montée de l’héritage a aussi été observée au Canada. Les changements dans la structure d’âge expliquent en partie cette hausse, mais l’augmentation plus marquée observée au Québec et chez les ménages au statut socio-économique moins élevé indique une influence d’autres facteurs. Conclusions : L’héritage contribue à reproduire les inégalités économiques en raison de sa distribution inégale et occupe une place grandissante au Canada. Le vieillissement des populations explique une part des tendances, mais l’influence de la hausse dans l’accession à la propriété et dans le prix de maisons, ainsi que d’un changement dans les comportements d’accumulation patrimoniale pour les enfants, pourraient aussi être en cause. Contribution : Cet article contribue à documenter l’héritage, jusqu’alors très peu étudié au Canada. La distribution inégale de l’héritage soulève des enjeux relatifs à l’égalité des chances et au rôle de l’État pour en diminuer les effets.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.014 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".