Étude de la mortalité, de la prise de retraite et la cessation d'emploi dans les universités québécoises
Bibliographic record
Abstract
Dans une étude récente qui porte sur les employés des principales universités québécoises, Bédard et Léveillé remarquent que les employés universitaires présentent des caractéristiques démographiques bien différentes de celles de la population normale et que les professeurs vivent plus longtemps que les non professeurs et prennent leur retraite plus tard. Dans ce mémoire nous nous proposons de mettre à jour, en partie les tables de décroissance obtenues par Bédard et Léveillé (2005, 2008) et de vérifier leurs hypothèses. Dans un premier chapitre, nous retraçons les principales études liées au contexte démographique des régimes de retraite au Canada, au Québec et récemment dans la souspopulation des universités québécoises. Puis, nous présentons la problématique ainsi que les hypothèses de recherche. Un second chapitre aborde des notions actuarielles et statistiques liées aux tables de mortalité, de prise de retraite et de cessation d'emploi. La méthodologie est discutée dans un troisième chapitre. Nous exposons les données de notre étude ainsi que les méthodes que nous allons utiliser pour la construction de tables de décroissance et pour le lissage des taux de mortalité. Dans un quatrième chapitre, nous présentons les résultats de notre étude. Nous exposons tout d'abord les résultats globaux des trois universités participantes confondues pour vérifier nos hypothèses de recherche. Ensuite, nous entrons plus en détail et exposons les caractéristiques statistiques et actuarielles liées à la mortalité ainsi que leurs conséquences financières pour un régime de retraite. Ce mémoire se termine par une conclusion générale qui rappelle les grandes lignes de l'étude et présente les connaissances principales produites par ce travail.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.008 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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.
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".