Une méthode de réconciliation des données d'enquêtes pour évaluer la dynamique spatiale de l'emploi, Canada 1987-2008 : application à l'enquête sur la population active (EPA)
Bibliographic record
Abstract
Cet article présente une application de la méthode d’estimation de la répartition spatiale et \ntemporelle de l’emploi au Canada. La méthode de minimisation de l’entropie croisée permet de \nréconcilier des données qui sont, a priori, divergentes des totaux agrégés lorsque la désagrégation \nest suffisamment importante. À partir des données d’emploi provenant de l’enquête sur la \npopulation active en fonction des régions économiques (RE) et des secteurs productifs (SP), des \nmatrices (rectangulaires) de répartitions spatiales de l’emploi sont obtenues pour l’ensemble des \nannées disponibles (1987-2008). Cependant, les totaux marginaux, obtenus en sommant les \néléments, sont différents des totaux provinciaux et canadiens. L’article montre comment il est \npossible de réconcilier les données d’enquêtes faisant état de règles d’arrondis et de règles de \nconfidentialité dans le but d’obtenir une source de données spatio-temporelle permettant \nd’utiliser, au meilleur des connaissances, des données incomplètes.
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 | 0.014 | 0.044 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.011 | 0.015 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".