MétaCan
Menu
Back to cohort
Record W7039114394

Le code Québec les sept différences qui font de nous un peuple unique au monde

2021· article· fr· W7039114394 on OpenAlexaboutno aff

Bibliographic record

Venuenot available
Typearticle
Languagefr
FieldArts and Humanities
TopicSyntax, Semantics, Linguistic Variation
Canadian institutionsnot available
Fundersnot available
KeywordsGerman cultureArchivistFrench
DOInot available

Abstract

fetched live from OpenAlex

"L'ouvrage clé pour ouvrir le coeur, l'âme et, pourquoi pas, le portefeuille du peuple québécois, est enfin mis à jour! La majorité des Québécois sont issus d'une culture française et vivent dans une société anglaise selon un mode de vie américain. Essentiellement, les Québécois sont des Français modestes, des Anglais enjoués et des Américains pacifiques. Au fil des 30 dernières années, les Québécois ont révélé leurs secrets les plus intimes, leurs peurs les plus profondes et leurs espoirs les plus grands par l'intermédiaire de très nombreux sondages. Se fondant sur une approche scientifique et empirique, Léger a posé plus de 1000 questions aux Québécois, aux Canadiens et aux Américains. Grâce à une nouvelle méthode, la sémiométrie, il trace un portrait inédit de la singularité québécoise. Un portrait surprenant, et surtout non complaisant, qui vous permettra de déchiffrer le fameux code Québec. Comme le livre sera le point de départ d'une nouvelle émission diffusée à Télé-Québec en 2021, cette réédition adopte un ton plus accessible et grand public, particulièrement dans les sections "Le marketing décodé". Le contenu est également mis à jour avec l'ajout, entre autres, de textes sur l'influence de Donald Trump, de la loi 21 et de la pandémie sur la société québécoise. Est-ce que les nouvelles générations influencent le code ? Existe-t-il un code source qui explique les sept traits identitaires ? C'est ce que l'équipe d'auteurs chevronnés vous dévoilera dans cette nouvelle mouture!"--

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.672
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0070.000

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.

Opus teacher head0.022
GPT teacher head0.237
Teacher spread0.215 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same topicSyntax, Semantics, Linguistic VariationFrench-language works237,207