Gentrification et évolution de la part des aînés dans l'île de Montréal
Bibliographic record
Abstract
Cette étude analyse la relation entre la gentrification et l’évolution de la part des aînés dans l’île de Montréal. Il existe une diversité de recherches sur la gentrification et les migrations des personnes. Cependant, il y a très peu d’analyses sur le déplacement des personnes âgées qui en résulte. Les résultats de notre étude empirique nous révèlent de façon générale qu’une aire de diffusion pauvre (ou avec un faible niveau d’éducation) qui s’est gentrifiée, a une croissance de la part des personnes âgées plus faible par rapport à une aire de diffusion pauvre (ou avec un faible niveau d’éducation) qui ne s’est pas gentrifiée. En outre, par rapport aux aires de diffusion qui ont un revenu élevé (ou avec un niveau d’éducation élevé), la croissance des personnes âgées dans les aires de diffusion pauvres (ou avec un faible niveau d’éducation) est plus faible. Nous obtenons les mêmes résultats autant avec la comparaison des densités de distribution (kernel density) qu’en appliquant les moindres carrés ordinaires. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : gentrification, pauvreté, niveau d’éducation, aînés, île de Montréal
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 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".