Histoires de plex à Montréal : cohabitation et solidarité intergénérationnelle
Bibliographic record
Abstract
Ce mémoire s’intéresse à la cohabitation intergénérationnelle en immeubles de type plex, en tant que stratégie de solidarité familiale observée à Montréal. Plus précisément, il s’agit de retracer l’histoire de ce mode d’habiter à travers les récits recueillis auprès d’une dizaine de familles québécoises. Les personnes rencontrées ont évoqué les motivations d’un tel projet, ont parlé de son élaboration, de la vie quotidienne dans le plex, de l’avenir de la cohabitation ou, le cas échéant, des motifs d’y mettre fin. La spécificité de la cohabitation intergénérationnelle en plex est de mettre à profit le cadre bâti résidentiel montréalais, composé d’un grand nombre de plex, dans le but plus ou moins explicite de resserrer les liens de la solidarité familiale.\nLa démarche a donc consisté à reconstituer l’histoire d’une dizaine de familles ayant opté pour un tel mode d’habiter à Montréal, ceci à travers le récit d’un membre de la « génération-pivot », dans chacun de ces familles, susceptible de se situer au carrefour des solidarités : entre ses enfants dans la jeune vingtaine et ses parents et ses parents vieillissants.\nDeux objectifs principaux ont été poursuivis. Il s’agissait dans un premier temps de retracer le processus menant à une telle stratégie de proximité résidentielle et de détailler ensuite le fonctionnement quotidien de la cohabitation intergénérationnelle. Pour atteindre ces objectifs, trois questions ont guidé l’analyse du discours des répondants. Premièrement, quelles sont les motivations de ces familles? Deuxièmement, à quel point les réalités quotidiennes des membres cohabitants se voient-elles dès lors imbriquées? Troisièmement, quels enjeux sont soulevés par ce mode d’habiter? \nLes résultats mettent de l’avant de nombreux avantages à la cohabitation intergénérationnelle en plex, par exemple l’accès plus aisé à la propriété pour les jeunes générations, des possibilités accrues d’échanges de services concrets ou encore un sentiment de plus grande sécurité. Les enjeux soulevés par ce mode d’habiter sont également explorés et analysés du point de vue de la notion centrale sur laquelle repose ce projet familial et résidentiel, la notion d’indépendance.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.007 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.031 | 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".