MétaCan
Menu
Retour à la cohorte
Enregistrement W1565745540

Maternal Migration and Child Well-Being in Peru

2009· book· en· W1565745540 sur OpenAlexfundno aff
Javier Escobal, Eva María Flores Ruiz

Notice bibliographique

RevueAmericanae (AECID Library) · 2009
Typebook
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensnon disponible
Organismes subventionnairesGlobal Development NetworkDepartment for International DevelopmentInter-American Development BankInternational Development Research CentreJohn Simon Guggenheim Memorial FoundationBernard van Leer FoundationUniversity of Oxford
Mots-clésHuman capitalInternal migrationChannel (broadcasting)GeographyDemographic economicsEconomic growthBusinessDeveloping countryEconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

La migración afecta no solo a quienes migran, sino que también puede tener efectos intergeneracionales en sus hijos. Al observar a las madres con antecedentes de migración interna que son parte del proyecto Young Lives, y al compararlas con controles adecuados, encontramos que la migración de las madres ha tenido un impacto positivo en los resultados nutricionales y el rendimiento cognitivo de sus hijos. Sin embargo, también encontramos que existen impactos heterogéneos, ya que diferentes tipos de trayectoria migratoria (rural a rural, rural a urbana - a ciudades intermedias o a la capital, Lima) pueden asociarse con la prevalencia de diferentes canales que afectan el bienestar infantil. Esos canales son el canal de ingresos, ya que la migración puede generar nuevos ingresos oportunidades; el canal de información, ya que la migración puede permitir que la madre acceder a más información sobre cuidado de niños y prácticas relacionadas con la salud; y el acceso a canal de servicios, ya que la migración puede facilitar u obstaculizar el acceso a servicios públicos clave.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,039
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,004
Tête enseignante GPT0,217
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmericanae (AECID Library)Même sujetPoverty, Education, and Child WelfareTravaux en français237 207