Portrait statistique des jeunes de 17 à 34 ans ni en emploi, ni aux études, ni en formation (NEEF) au Québec. Dix stéréotypes à déconstruire
Bibliographic record
Abstract
Ce portrait statistique a été réalisé par le Volet Emploi et Entrepreneuriat de la Chaire réseau \nde recherche sur la jeunesse du Québec (CRJ) pour le compte du Comité consultatif \nJeunes (CCJ) de la Commission des partenaires du marché du travail, au Québec. Il \ncontribue de manière directe au mandat attribué par le ministère du Travail, de l'Emploi, \net de la Solidarité sociale (MTESS) au commanditaire du rapport. \nIl dresse le premier portrait statistique global de la population des jeunes ni en emploi, ni \naux études ni en formation (NEEF) âgés de 17 à 34 ans au Québec. Il amorce la \ncompréhension des situations qui les retiennent en dehors du marché du travail et de la \nformation. Les données ici visent à déconstruire dix stéréotypes ou images qui circulent à \nleur sujet dans le discours ambiant, afin: i) de contrer les effets d'une catégorie qui définit \nla jeunesse par la négative, ii) de mettre en évidence leurs expériences et besoins, et iii) \nd'identifier les leviers d'intervention nécessaires. \nLe portrait repose sur les données de deux grandes enquêtes régulières de Statistique \nCanada : L'Enquête sur la population active (EPA) 2018-2019 et L'Enquête sur la santé dans \nles collectivités canadiennes (ESCC) 2017-2018.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.021 | 0.002 |
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".