MétaCan
Menu
Retour à la cohorte
Enregistrement W1513707229 · doi:10.1553/populationyearbook2005s243

Fertility in Austria: An Overview

2006· article· en· W1513707229 sur OpenAlexaboutno aff
Tomáš Sobotka

Notice bibliographique

RevueVienna Yearbook of Population Research · 2006
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Care Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFertilityProductivityPostponementGeographyPopulation ageingPopulationDemographyDemographic economicsPolitical scienceSociologyEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

Contents: Will Population Ageing Decrease Productivity? Symposium on Population Ageing and Economic Productivity, December 2-4, 2004, Vienna Institute of Demography; Alexia Prskawetz: Background and Summary of Discussion; Vegard Skirbekk: Productivity Decreases with Age; Thomas Lindh: Productivity is a System Property and Need Not Decrease with the Age of Workforce; M. N. Bhrolcháin and L. Toulemon: Does Postponement Explain the Trend to Later Childbearing in France?; C. Bühler and D. Philipov: Social Capital Related to Fertility: Theoretical Foundations and Empirical Evidence for Bulgaria; Tomás Sobotka, Maria Winkler-Dworak, Maria Rita Testa, Wolfgang Lutz, Dimiter Philipov, Henriette Engelhardt, and Richard Gisser: Monthly Estimates of the Quantum of Fertility: Towards a Fertility Monitoring System in Austria; A. Prskawetz and B. Zagaglia: Second Births in Austria; Martin Spielauer: Concentration of Reproduction in Austria: General Trends and Differentials by Educational Attainment and Urban-Rural Setting; F. Trovato: Narrowing Sec Differential in Life Expectancy in Canada and Austria: Comparative analysis; R. Kronberger: Welche Bedeutung hat eine alternde Bevölkerung für das österreichische Steueraufkommen?; W. Lutz and S. Scherbov: Will Population Ageing Necessarily Lead to an Increase in the Number of Persons with Disabilities?; Recent Demographic Trends in Austria (R. Gisser); Fertility in Austria: An Overview (T. Sobotka)

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,476
Tête enseignante GPT0,635
Écart entre enseignants0,159 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVienna Yearbook of Population ResearchMême sujetGlobal Health Care IssuesTravaux en français237 207