Caractéristiques démogénétiques des populations de l'Abitibi et du Témiscamingue
Bibliographic record
Abstract
Ce projet vise à analyser certaines caractéristiques démogénétiques des populations de l'Abitibi et du Témiscamingue, à partir de la reconstitution des généalogies ascendantes d'individus originaires de ces régions. L'échantillon utilisé pour cette étude est constitué de 100 généalogies dans chacune des deux régions. Pour ce faire, 100 actes de mariages (50 pour l'Abitibi et 50 pour le Témiscamingue) ayant eu lieu entre 1935 et 1971 ont été choisis au hasard et les généalogies de chacun des membres des 100 couples ont été reconstituées. Diverses analyses ont été effectuées comme l'identification, l'origine et la fréquence des ancêtres des sujets, la contribution génétique des fondateurs, la consanguinité et l'apparentement. Les ancêtres des sujets de l'Abitibi et du Témiscamingue qui se sont mariés au 17e siècle viennent sensiblement des mêmes régions. Pour les périodes entre 1700 et 1971, nous observons une différence de provenance des ancêtres entre les deux régions. La contribution génétique des principaux ancêtres (apparaissant dans 90 généalogies et plus) est plus élevée en Abitibi qu'au Témiscamingue. Les calculs de consanguinité et d'apparentement ont montré que les populations de l'Abitibi et du Témiscamingue sont, de façon générale, plus hétérogènes que celles de l'est du Québec. \n
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".